版本是为了简化问题

我有两个矩阵：

mat1：nrow = 100 000; NcoI位= 5
mat2：nrow = 500 000; NcoI位= 5

预期结果

计算 mat1 的每一行与 mat2 的每一行之间的相似数字的数量：

提案

Intersection <- function(matrix1, matrix2){
        Intersection = matrix(nrow=nrow(matrix1), ncol=ncol(matrix2)) 
          for(i in 1:nrow(matrix3)) {
            for(j in 1:ncol(matrix3)) {
            Intersection[i,j] = length(intersect(matrix1[i,], matrix2[j,])
           } 
         }   
    return(Intersection) }

问题：

How to vectorize this function in order to avoid loops ？

数据样本

以下是为了试验解决方案而提供的数据示例：

dput（matrix1）结构（c（1L，20L，2L，1L，7L，2L，22L，12L，2L，27L，3L，35L，16L，3L，32L，4L，37L，35L，17L，33L，5L），38L，46L，27L，49L）,. Dim = c（5L，5L））dput（matrix2）结构（c（1,14,7,1,7,2,22,12,2,27,7， 35,16,3,32,14,39,35,17,32,17,38,46,20,49）,. Dim = c（5L，5L））

1 回答

2
提高处理效率的方法不是抛弃循环而是检查循环的内部逻辑 . 在这种情况下，您似乎希望使用 TARGET 的column-i中的交叉元素的数量与 mat 的列-j作为偏移量来选择"IF_n"列中的元素并将该项目放在（5 i）-th中第j行和第j列 . 当以这种方式描述问题时，我们应该能够摆脱所有这些 ifelse 语句 . （我经常发现花时间以最清晰的自然语言重述问题是提高效率的关键 . ）在获得0结果索引第五列时会涉及一些模数算术 .

在询问df $ TARGET [i]与mat-column的交集长度时，我的逻辑也有问题 . df $ TARGET [i]只能是单个数字，因为您使用向量索引而不是矩阵索引 . （df $ TARGET是一个矩阵，所以它应该是df $ TARGET [，i]）

这是我的反建议 . 我认为它更符合预期的结果，并且可能至少快5倍，因为你可以完全消除所有 ifelse folderol . ）
```
BDfunc <- function(df, mat){
  for  (i in 1:nrow(df)) {   # print(i)  (use for debugging)
    for (j in 1:ncol(mat)){  # print(j)
     mat[5+i, j]<- df[i , 2 + (
      (length(intersect(df$TARGET[,i], mat[,j])) ) %% 5 )]   }
  }
  return(mat)
}   
 mat <- BDfunc(df, mat)

> mat
          [,1]      [,2]      [,3]      [,4]      [,5]
 [1,] 1.000000 20.000000  2.000000  1.000000  7.000000
 [2,] 2.000000 22.000000 12.000000  2.000000 27.000000
 [3,] 3.000000 35.000000 16.000000  3.000000 32.000000
 [4,] 4.000000 37.000000 35.000000 17.000000 33.000000
 [5,] 5.000000 38.000000 46.000000 27.000000 49.000000
 [6,] 5.855105  2.216690  7.458434  3.120932  2.216690
 [7,] 6.381849  6.381849  6.630405  6.381849  6.630405
 [8,] 2.464372  2.464372  2.464372  5.993037  5.993037
 [9,] 1.614552  1.614552  1.614552  5.507400  1.614552
[10,] 2.088811  2.088811  2.088811  2.088811  5.974585
```
回复于 2024-05-11T11:37:20+08:00

R - 比较两个数据集时如何避免循环？

版本是为了简化问题

预期结果

提案

问题：

数据样本

1 回答

相关问题