如何解决使用“combn”和“outer”功能的组合提高运算速度
我有一个数据框 df,其中有两个变量,如下所示。使用下面的代码,我想得到矩阵“mat”。
此代码非常适合 unique(df$V1)= 3,但对于 unique(df$V1) 为 1000 的操作需要大量时间(> 10 小时)。
数据框
V1 V2
1 60
1 30
1 38
1 46
2 29
2 35
2 13
2 82
3 100
3 72
3 63
3 45
代码:
#Unique V1 values
vec <- unique(df$V1)
#Count <= valies
val <- combn(vec,2,function(x)
sum(outer(df$V2[df$V1 == x[1]],df$V2[df$V1 == x[2]],`<=`)))
val
#[1] 5 14 13
#Create an empty matrix
mat <- matrix(0,length(vec),length(vec))
#Fill the lower triangle of the matrix.
mat[lower.tri(mat)] <- val
mat
基本上,对于 V1=1,我们希望将 V2 的所有值与 V1=2 和 3 的 V2 的所有值进行比较。对 V1=2 和 V1=3 重复相同的操作。换句话说,对于给定的 V1 值,我们想要查看 V2 中的值是否小于 V1 中其余值的 V2 中的值。例如,我们比较 V2 中 V1=1 和 V1=2 的值。如果 V1=1 时 V2 中的值小于 V1=2 时 V2 中的值,则返回值为 1,否则为 0。例如:
For V1=1->
( 60 > 29 : returns 0,60 > 35 : returns 0,60 > 13 : returns 0,60 < 82 : returns 1,30 > 29 : returns 0,30 < 35 : returns 1,30 > 13 : returns 0,30 < 82 : returns 1,38 > 29 : returns 0,38 > 35 : returns 0,38 > 13 : returns 0,38 < 82 : returns 1,46 > 29 : returns 0,46 > 35 : returns 0,46 > 13 : returns 0,30 < 82 : returns 1)=Sum is 5 (i.e. mat[1,2])
解决方法
对于这个问题,这应该是闪电般的快速,而不是使用过多的内存。
library(data.table)
setDT(df)
numvec <- max(df[,V1])
dl <- lapply(1:numvec,function(i) df[V1 == i,sort(V2)])
dmat <- CJ(x=1:numvec,y=1:numvec)[,.(z = sum(findInterval(dl[[y]],dl[[x]]))),.(x,y)]
mat <- as.matrix(dcast(dmat,x~y,value.var = 'z')[,-'x'])
,
我无法准确地弄清楚您想要什么,因为我认为您的矩阵不应该是对称的。
也许这个带有 data.table::CJ
的选项正是您要找的:
library(data.table)
setDT(df)
result <- df[,CJ(A = V1,B = V1,unique=TRUE)][,.(sum(sapply(df[V1==A,V2],function(x)x <= df[V1==B,V2]))),by = c("A","B")]
result
A B V1
1: 1 1 10
2: 1 2 5
3: 1 3 14
4: 2 1 11
5: 2 2 10
6: 2 3 13
7: 3 1 2
8: 3 2 3
9: 3 3 10
mat <- matrix(result$V1,ncol = length(unique(df$V1)),nrow = length(unique(df$V1)))
diag(mat) <- 0
mat
[,1] [,2] [,3]
[1,] 0 11 2
[2,] 5 0 3
[3,] 14 13 0
set.seed(3)
df2 <- data.table(V1 = sample(1:100,1000,TRUE),V2 = sample(10:100,TRUE))
system.time(df2[,.(sum(sapply(df2[V1==A,function(x)x <= df2[V1==B,"B")])
user system elapsed
118.817 1.081 119.949
,
这是一种避免 outer
的方法。
sapply(combn(split(df$V2,df$V1),2,simplify = FALSE),function(x){
sum(sapply(x[[1]],function(a) sum(a <= x[[2]])))
})
# [1] 5 14 13
或
sapply(vec,function(x) sapply(vec,function(y){
if (x == y) {
0
} else {
d1 = df$V2[df$V1 == x]
d2 = df$V2[df$V1 == y]
sum(sapply(d1,function(a) sum(a <= d2)))
}
}))
# [,3]
#[1,] 0 11 2
#[2,] 5 0 3
#[3,] 14 13 0
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。