我有一个矩阵并寻找一种有效的方法来复制它 n 次（其中 n 是数据集中的观察数）。例如，如果我有一个矩阵 A
A <- matrix(1:15, nrow=3)
然后我想要表单的输出
rbind(A, A, A, ...) #n times.
显然，有很多方法可以构建如此大的矩阵，例如使用for循环apply或类似函数。但是，对“矩阵复制函数”的调用发生在我的优化算法的核心中，在我的程序一次运行期间它被调用了数万次。因此，循环、应用类型的函数和任何类似的东西都不够有效。（这样的解决方案基本上意味着在 n 上执行了数万次循环，这显然是低效的。）我已经尝试使用普通rep函数，但还没有找到将输出安排rep在矩阵中的方法所需的格式。
该解决方案
do.call("rbind", replicate(n, A, simplify=F))
也太低效，因为rbind在这种情况下使用得太频繁了。（然后，我的程序总运行时间的大约 30% 用于执行 rbind。）
有谁知道更好的解决方案？
还有两个解决方案：
首先是对问题中示例的修改
do.call("rbind", rep(list(A), n))
第二个涉及展开矩阵、复制它并重新组装它。
matrix(rep(t(A),n), ncol=ncol(A), byrow=TRUE)
由于效率是所要求的，因此必须进行基准测试
library("rbenchmark")
A <- matrix(1:15, nrow=3)
n <- 10
benchmark(rbind(A, A, A, A, A, A, A, A, A, A),
do.call("rbind", replicate(n, A, simplify=FALSE)),
do.call("rbind", rep(list(A), n)),
apply(A, 2, rep, n),
matrix(rep(t(A),n), ncol=ncol(A), byrow=TRUE),
order="relative", replications=100000)
这使：
test replications elapsed
1 rbind(A, A, A, A, A, A, A, A, A, A) 100000 0.91
3 do.call("rbind", rep(list(A), n)) 100000 1.42
5 matrix(rep(t(A), n), ncol = ncol(A), byrow = TRUE) 100000 2.20
2 do.call("rbind", replicate(n, A, simplify = FALSE)) 100000 3.03
4 apply(A, 2, rep, n) 100000 7.75
relative user.self sys.self user.child sys.child
1 1.000 0.91 0 NA NA
3 1.560 1.42 0 NA NA
5 2.418 2.19 0 NA NA
2 3.330 3.03 0 NA NA
4 8.516 7.73 0 NA NA
所以最快的是原始rbind调用，但假设n是固定的并且提前知道。如果n不固定，那么最快的是do.call("rbind", rep(list(A), n). 这些是针对 3x5 矩阵和 10 次复制的。不同大小的矩阵可能会给出不同的排序。
编辑：
对于 n=600，结果的顺序不同（省略显式rbind版本）：
A <- matrix(1:15, nrow=3)
n <- 600
benchmark(do.call("rbind", replicate(n, A, simplify=FALSE)),
do.call("rbind", rep(list(A), n)),
apply(A, 2, rep, n),
matrix(rep(t(A),n), ncol=ncol(A), byrow=TRUE),
order="relative", replications=10000)
给予
test replications elapsed
4 matrix(rep(t(A), n), ncol = ncol(A), byrow = TRUE) 10000 1.74
3 apply(A, 2, rep, n) 10000 2.57
2 do.call("rbind", rep(list(A), n)) 10000 2.79
1 do.call("rbind", replicate(n, A, simplify = FALSE)) 10000 6.68
relative user.self sys.self user.child sys.child
4 1.000 1.75 0 NA NA
3 1.477 2.54 0 NA NA
2 1.603 2.79 0 NA NA
1 3.839 6.65 0 NA NA
如果包含显式rbind版本，它会比do.call("rbind", rep(list(A), n))版本稍快，但不会快很多，并且比applyormatrix版本慢。因此，在这种情况下，对任意的泛化n不需要损失速度。
可能这更有效：
apply(A, 2, rep, n)
还有这种方式：
rep(1, n) %x% A
您可以使用索引
A[rep(seq(nrow(A)), n), ]
我出于与原始海报相同的原因来到这里，并最终更新了@Brian Diggs 比较以包括所有其他发布的答案。希望我正确地做到了这一点：
#install.packages("rbenchmark")
library("rbenchmark")
A <- matrix(1:15, nrow=3)
n <- 600
benchmark(do.call("rbind", replicate(n, A, simplify=FALSE)),
do.call("rbind", rep(list(A), n)),
apply(A, 2, rep, n),
matrix(rep(t(A),n), ncol=ncol(A), byrow=TRUE),
A[rep(seq(nrow(A)), n), ],
rep(1, n) %x% A,
apply(A, 2, rep, n),
matrix(rep(as.integer(t(A)),n),nrow=nrow(A)*n,byrow=TRUE),
order="relative", replications=10000)
# test replications elapsed relative user.self sys.self user.child sys.child
#5 A[rep(seq(nrow(A)), n), ] 10000 0.32 1.000 0.33 0.00 NA NA
#8 matrix(rep(as.integer(t(A)), n), nrow = nrow(A) * n, byrow = TRUE) 10000 0.36 1.125 0.35 0.02 NA NA
#4 matrix(rep(t(A), n), ncol = ncol(A), byrow = TRUE) 10000 0.38 1.188 0.37 0.00 NA NA
#3 apply(A, 2, rep, n) 10000 0.59 1.844 0.56 0.03 NA NA
#7 apply(A, 2, rep, n) 10000 0.61 1.906 0.58 0.03 NA NA
#6 rep(1, n) %x% A 10000 1.44 4.500 1.42 0.02 NA NA
#2 do.call("rbind", rep(list(A), n)) 10000 1.67 5.219 1.67 0.00 NA NA
#1 do.call("rbind", replicate(n, A, simplify = FALSE)) 10000 5.03 15.719 5.02 0.01 NA NA
将其转换为数组，复制内容并使用更新的行数创建一个新矩阵怎么样？
A <- matrix(...)
n = 2 # just a test
a = as.integer(A)
multi.a = rep(a,n)
multi.A = matrix(multi.a,nrow=nrow(A)*n,byrow=T)