5

我想计算两个矩阵/数据帧之间所有行组合的距离度量。

结果将是一个矩阵，其中单元格 i,j 对应于函数给出的结果，该函数应用于第一个矩阵的第 i 行和第二个矩阵的第 j 行。这是一个示例，说明了我想用一个示例函数对 for 循环做什么。

x<-matrix(rnorm(30),10,3)  ## Example data
y<-matrix(rnorm(12),4,3)

results<-matrix(NA,nrow(x),nrow(y))

for (i in 1:nrow(x)){
  for (j in 1:nrow(y)){
    r1<-x[i,]
    r2<-y[j,]
    results[i,j]<-sum(r1*r2)  ## Example function
  }
}

在现实生活中，我的第一个矩阵有几十万行，第二个矩阵有几百行，我想计算的函数不是点积（我意识到我可能选择了一个让它看起来像的函数我想做的就是矩阵乘法）。事实上，我想替换一些函数，所以我想找到一个可推广到不同函数的解决方案。一种思考方式是我想劫持矩阵乘法来执行其他功能。用 for 循环计算这个需要很长时间，这是不切实际的。对于如何在没有 for 循环的情况下执行此操作的任何提示，我将不胜感激。

4

2 回答 2

4 
outer(1:nrow(x), 1:nrow(y), Vectorize(function(i, j) sum(x[i, ] * y[j, ])))
于 2012-05-25T18:52:47.530 回答
2

我知道你很久以前就问过这个问题，但我想我可能会与你分享一个解决方案for，当你拥有的行数变得非常大时，它会比循环更有效率。在少量行中，速度差异可以忽略不计（for 循环甚至可能更快）。这仅依赖于子集和 rowSums 的使用，并且非常简单：

## For reproducibility
set.seed( 35471 )

## Example data - bigger than the original to get and idea of difference in speed
x<-matrix(rnorm(60),20,3)
y<-matrix(rnorm(300),100,3)

# My function which uses grid.expand to get all combinations of row indices, then rowSums to operate on them
rs <- function( x , y ){
rows <- expand.grid( 1:nrow(x) , 1:nrow(y) )
results <- matrix( rowSums( x[ rows[,1] , ] * y[ rows[,2] , ] ) , nrow(x) , nrow(y) )
return(results)
}

# Your orignal function
flp <- function(x ,y){
results<-matrix(NA,nrow(x),nrow(y))
for (i in 1:nrow(x)){
  for (j in 1:nrow(y)){
    r1<-x[i,]
    r2<-y[j,]
    results[i,j]<-sum(r1*r2)  ## Example function
  }
}
return(results)
}


## Benchmark timings:
library(microbenchmark)
microbenchmark( rs( x, y ) , flp( x ,y ) , times = 100L )
#Unit: microseconds
#     expr      min       lq     median        uq      max neval
#  rs(x, y)  487.500  527.396   558.5425   620.486   679.98   100
# flp(x, y) 9253.385 9656.193 10008.0820 10430.663 11511.70   100

## And a subset of the results returned from each function to confirm they return the same thing!
flp(x,y)[1:3,1:3]
#          [,1]       [,2]       [,3]
#[1,] -0.5528311  0.1095852  0.4461507
#[2,] -1.9495687  1.7814502 -0.3769874
#[3,]  1.8753978 -3.0908057  2.2341414

rs(x,y)[1:3,1:3]
#          [,1]       [,2]       [,3]
#[1,] -0.5528311  0.1095852  0.4461507
#[2,] -1.9495687  1.7814502 -0.3769874
#[3,]  1.8753978 -3.0908057  2.2341414

所以你可以看到，rowSums当行组合的数量只有 2000 时，通过使用和子集，我们可以比 for 循环快 20 倍。如果你有更多，速度上的差异会更大。

HTH。

于 2013-04-19T10:18:53.583 回答