2 
>> A = sparse([1,2,3,4,5])

A =

   (1,1)        1
   (1,2)        2
   (1,3)        3
   (1,4)        4
   (1,5)        5

>> B = sparse([1;2;3;4;5])

B =

   (1,1)        1
   (2,1)        2
   (3,1)        3
   (4,1)        4
   (5,1)        5

>> bsxfun(@times, A, B)

ans =

   (1,1)        1
   (2,1)        2
   (3,1)        3
   (4,1)        4
   (5,1)        5
   (1,2)        2
   (2,2)        4
   (3,2)        6
   (4,2)        8
   (5,2)       10
   (1,3)        3
   (2,3)        6
   (3,3)        9
   (4,3)       12
   (5,3)       15
   (1,4)        4
   (2,4)        8
   (3,4)       12
   (4,4)       16
   (5,4)       20
   (1,5)        5
   (2,5)       10
   (3,5)       15
   (4,5)       20
   (5,5)       25

以非稀疏形式看起来像这样：

>> full(ans)

ans =

     1     2     3     4     5
     2     4     6     8    10
     3     6     9    12    15
     4     8    12    16    20
     5    10    15    20    25

>>

编辑：

我想对这些稀疏向量进行矩阵乘法，并返回一个稀疏数组：

> class(NRowSums)
[1] "dsparseVector"
attr(,"package")
[1] "Matrix"
> class(NColSums)
[1] "dsparseVector"
attr(,"package")
[1] "Matrix"
>

NRowSums * NColSums（我认为；或者如果返回标量，则翻转它们）不使用非稀疏变量临时存储数据。

编辑2：

我目前有这个：

NSums = tcrossprod(as(NRowSums, "sparseMatrix"), as(NColSums, "sparseMatrix"))

这对于我正在尝试做的事情似乎有点尴尬，尤其是类型转换。它也非常低效，因为它计算存在 NRowSum 或 NColSum 的所有元素，而不仅仅是这两者的交集。也就是说，这个 NSums 中的条目比原始稀疏矩阵中的条目多 100 倍。

4

3 回答 3

3

检查包“pracma” http://cran.r-project.org/web/packages/pracma/index.html 然后你可以像在 Matlab 中一样使用 bsxfun()。

于 2013-11-26T17:14:40.867 回答
1

如果你真的有一个“稀疏”的情况，我想你可能想从

df <- expand.grid(A=A, B=B)
df$val <- with(df, A*B))
# then pass that triple column set of i,j, and values to the sparse matrix constructors.

目前，您的示例不适合测试，因为它很密集。

于 2012-09-28T22:20:00.140 回答
0

您可以先将 B 数组转置为与 A 相同的布局：

B = t(B)

然后调用两个数组的外积：

outer(A,B)
于 2012-09-28T20:55:31.397 回答