15

在了解了在 R 中使用稀疏矩阵的选项之后，我想使用Matrix包从以下数据框创建一个稀疏矩阵，并让所有其他元素成为NA.

     s    r d
1 1089 3772 1
2 1109  190 1
3 1109 2460 1
4 1109 3071 2
5 1109 3618 1
6 1109   38 7

我知道我可以使用以下内容创建一个稀疏矩阵，像往常一样访问元素：

> library(Matrix)
> Y <- sparseMatrix(s,r,x=d)
> Y[1089,3772]
[1] 1
> Y[1,1]
[1] 0

但如果我想将默认值设为 NA，我尝试了以下操作：

  M <- Matrix(NA,max(s),max(r),sparse=TRUE)
  for (i in 1:nrow(X))
    M[s[i],r[i]] <- d[i]

并得到了这个错误

Error in checkSlotAssignment(object, name, value) : 
  assignment of an object of class "numeric" is not valid for slot "x" in an object of class "lgCMatrix"; is(value, "logical") is not TRUE

不仅如此，我发现访问元素需要更长的时间。

> system.time(Y[3,3])
   user  system elapsed 
  0.000   0.000   0.003 
> system.time(M[3,3])
   user  system elapsed 
  0.660   0.032   0.995

我应该如何创建这个矩阵？为什么使用一个矩阵要慢得多？

以下是上述数据的代码片段：

X <- structure(list(s = c(1089, 1109, 1109, 1109, 1109, 1109), r = c(3772, 
190, 2460, 3071, 3618, 38), d = c(1, 1, 1, 2, 1, 7)), .Names = c("s", 
"r", "d"), row.names = c(NA, 6L), class = "data.frame")
4

2 回答 2

16

为什么要默认 NA 值？据我所知，只有零单元格的矩阵才是稀疏的。由于 NA 是一个非零值，因此您失去了稀疏矩阵的所有好处。如果矩阵几乎没有零，则经典矩阵甚至更有效。经典矩阵就像一个向量，将根据维度进行切割。所以它只需要存储数据向量和维度。稀疏矩阵仅存储非零值，但也存储位置。当且仅当您有足够的零值时，这是一个优势。

于 2009-08-13T19:57:17.940 回答
11

是的，蒂埃里的回答绝对正确，我可以说作为“Matrix”包的合著者......

对于您的另一个问题：为什么访问“M”比“Y”慢？主要答案是“M”比“Y”要稀疏得多，因此要小得多，并且——取决于所涉及的大小和平台的 RAM——访问时间对于更小的对象来说更快，尤其是在对它们进行索引时.

于 2009-08-24T10:01:50.133 回答