首页 文章

R，有效方式，矩阵运算

提问于
浏览 次
1

我有一个大矩阵 . 目标是识别第1,2和3列中具有所有相等值的所有行，并计算每组行的第4列中的0的百分比 . 将所有这些百分比放在一个名为“data”的向量中 . 然后我需要三个向量（在每列上（最后一列除外）），它记录列的公共值 . 我们将这些向量称为：“factor1”，“factor2”和“factor3”，分别用于第1,2和3列 . 由于我的矩阵很大而且很多，我需要快速有效的计算 .

例如，我有这个矩阵：

[,1][,2][,3][,4]
[1,]  1    1   1   0
[2,]  1    2   1   0
[3,]  3    2   1   0.6
[4,]  1    1   1   0.2
[5,]  1    2   1   0
[6,]  1    1   2   0.1
[7,]  3    2   1   0.9

在这里，我们将第1行和第4行组合在一起（基于第1,2和3列中的相等值）并计算0的百分比（在第4列中）（％0等于0.5）

然后我们将行2和5分组并再次计算％0（等于1）

然后我们将行3和7分组并计算％0（等于0）

然后第6行是单独的，其％0（等于0）

这是我想要的矢量：

> data = c(0.5,1,0,0)

> factor1 = c(1,1,3,1)

> factor2 = c(1,2,2,1)

> factor3 = c(1,1,1,2)

这些值的顺序并不重要 . 如果向量“data”中的值0.5在位置2中，则所有因子的位置2应为1 .

然后目标是运行以下aov：

> aov(data ~ factor1 * factor2 * factor3)

非常感谢你的帮助

r matrix

3 回答

  • 2

    重新创建矩阵：

    df <- read.table(text="[,1] [,2] [,3] [,4]
[1,]  1    1   1   0
[2,]  1    2   1   0
[3,]  3    2   1   0.6
[4,]  1    1   1   0.2
[5,]  1    2   1   0
[6,]  1    1   2   0.1
[7,]  3    2   1   0.9",header=TRUE)
m <- as.matrix(df)
colnames(m) <- NULL

    使用package data.table进行split-apply-combine . 由于其效率，建议将data.table用于大型数据集 .

    library(data.table)
DT <- as.data.table(m)

DT.agg <- DT[,sum(V4==0)/length(V4),by=list(V1,V2,V3)]
setnames(DT.agg,c("factor1","factor2","factor3","data"))
print(DT.agg)
#   factor1 factor2 factor3 data
#1:       1       1       1  0.5
#2:       1       2       1  1.0
#3:       3       2       1  0.0
#4:       1       1       2  0.0

aov(data ~ factor1 * factor2 * factor3, data = DT.agg)
    回复于
  • 0

    如果您的矩阵非常大，请不要忘记在尝试时包含转换为data.table的成本 . 以下应该非常快 .

    colnames(m) <- c(paste0('factor', 1:3), 'data')
aggregate(data ~ ., data = m, function(x) mean(x!=0))

    然而我测试了它，结果发现plyr实际上与data.table相当具有竞争力，并且聚合相当远（3x） . 最近的版本plyr（1.8）已经比以前快得多 .

    在某些测试中，如果您首先转换为data.frame（即使包含data.frame转换时间），我发现聚合变得更快（2x） .

    发布的答案都没有真正缓慢 . 如果你在文件中，如果你的代码很慢，我猜你可能会遇到瓶颈 . 有一些方法可以优化文件的矩阵读取（使用 scan 而不是 read.table ）

    （顺便说一下，你可能不应该对这些数据进行ANOVA）

    回复于
  • 2

    这是一个包含 plyr 包的解决方案 . 如果 m 是你的矩阵：

    m <- data.frame(m)
colnames(m) <- c("V1","V2","V3","data")
m2 <- ddply(m, .(V1,V2,V3), summarise, data=sum(data==0)/length(data))

    这使 ：

    V1 V2 V3 data
1  1  1  1  0.5
2  1  1  2  0.0
3  1  2  1  1.0
4  3  2  1  0.0

    然后你可以这样做：

    aov(data=m2, data ~ V1 * V2 * V3)

    但是， plyr 并不总是最快的解决方案 .

    回复于

相关问题