4

我正在做一个简单的任务：遍历所有顶点并根据其邻居的属性计算新属性。我搜索了 SO，到目前为止，我知道至少有三种方法可以做到：

  1. 使用 ad_adj_list 创建一个 adj 列表，然后遍历每个元素；
  2. 使用 sapply 直接迭代每个顶点。

但是，对于我的数据量（300k 个顶点和 800 万条边）来说，这两种方法都花费了太长时间。有没有快速循环顶点的方法？谢谢！

对于基准测试，假设我有以下示例数据：

set.seed <- 42
g <- sample_gnp(10000, 0.1)
V(g)$name <- seq_len(gorder(g)) # add a name attribute for data.table merge
V(g)$attr <- rnorm(gorder(g))
V(g)$mean <- 0 # "mean" is the attribute I want to compute

方法 1. 的代码是：

al <- as_adj_list(g)
attr <- V(g)$attr
V(g)$mean <- sapply(al, function(x) mean(attr[x])) 
# took 28s
# most of the time is spent on creating the adj list

方法 2. 的代码是：

compute_mean <- function(v){
    mean(neighbors(g, v)$attr)
}
V(g)$mean <- sapply(V(g), compute_mean)  # took 33s

我相信 igraph-R 在顶点交互方面不应该这么慢，否则，这将使分析数百万大小的大型图成为不可能，我认为这对 R 用户来说应该很常见！

更新

根据@MichaelChirico的评论，现在我想出了第三种方法：将图形结构导入data.table并使用data.tableby语法进行计算，如下：

gdt.v <- as_data_frame(g, what = "vertices") %>% setDT() # output the vertices
gdt.e <- as_data_frame(g, what = "edges") %>% setDT() # output the edges
gdt <- gdt.e[gdt.v, on = c(to = "name"), nomatch = 0] # merge vertices and edges data.table
mean <- gdt[, .(mean = mean(attr)), keyby = from][, mean]
V(g)$mean <- mean 
# took only 0.74s !!

data.table方式要快得多。但是，其结果与前两种方法的结果并不完全相同。另外，看到这么简单的任务还得依赖另外一个包，我也很失望，我认为这应该是igraph-R的强项。希望我错了！

4

1 回答 1

1

我不确定实际问题出在哪里......当我重新运行您的代码时：

library(microbenchmark)
library(data.table)
library(igraph)
set.seed <- 42
g <- sample_gnp(10000, 0.1)
V(g)$name <- seq_len(gorder(g)) # add a name attribute for data.table merge
V(g)$attr <- rnorm(gorder(g))
V(g)$mean <- 0 # "mean" is the attribute I want to compute
gg <- g

...并比较表达式中的两种方法e1和e2

e1 <- expression({
  al <- as_adj_list(gg)
  attr <- V(gg)$attr
  V(gg)$mean <- sapply(al, function(x) mean(attr[x]))  
})

e2 <- expression({
  gdt.v <- as_data_frame(g, what = "vertices") %>% setDT() # output the vertices
  gdt.e <- as_data_frame(g, what = "edges") %>% setDT() # output the edges
  gdt <- gdt.e[gdt.v, on = c(to = "name"), nomatch = 0] # merge vertices and edges data.table
  mean <- gdt[, .(mean = mean(attr)), keyby = from][, mean]
  V(g)$mean <- mean 
})

时间安排是：

microbenchmark(e1, e2)

## Unit: nanoseconds
##  expr min lq  mean median uq max neval cld
##    e1  47 47 51.42     48 48 338   100   a
##    e2  47 47 59.98     48 48 956   100   a

非常相似，结果

all.equal(V(g)$mean, V(gg)$mean)

## [1] TRUE

... 是相同的。

于 2015-10-26T13:04:35.543 回答