[英]Row-wise variance of a matrix in R
我想计算矩阵中每一行的方差。 对于以下矩阵A
[,1] [,2] [,3]
[1,] 1 5 9
[2,] 5 6 10
[3,] 50 7 11
[4,] 4 8 12
我想得到
[1] 16.0000 7.0000 564.3333 16.0000
我知道我可以使用apply(A,1,var)
,但是有没有更快或更更好的方法? 从八度,我可以用var(A,0,2)
做到这一点,但是我不知道如何使用R中的var()
函数的Y
参数。
编辑:典型块的实际数据集大约有100行和500列。 不过,数据总量约为50GB。
您可以使用rowSums
和rowMeans
对行(或列)上的var
进行矢量化rowMeans
RowVar <- function(x, ...) {
rowSums((x - rowMeans(x, ...))^2, ...)/(dim(x)[2] - 1)
}
RowVar(A)
#[1] 16.0000 7.0000 564.3333 16.0000
使用@Richards数据,得出
microbenchmark(apply(m, 1, var), RowVar(m))
## Unit: milliseconds
## expr min lq median uq max neval
## apply(m, 1, var) 343.369091 400.924652 424.991017 478.097573 746.483601 100
## RowVar(m) 1.766668 1.916543 2.010471 2.412872 4.834471 100
您还可以创建一个更通用的函数,该函数将接收与apply
相似的语法,但将保持矢量化状态(列矩阵方差会变慢,因为需要先转置矩阵)
MatVar <- function(x, dim = 1, ...) {
if(dim == 1){
rowSums((x - rowMeans(x, ...))^2, ...)/(dim(x)[2] - 1)
} else if (dim == 2) {
rowSums((t(x) - colMeans(x, ...))^2, ...)/(dim(x)[1] - 1)
} else stop("Please enter valid dimension")
}
MatVar(A, 1)
## [1] 16.0000 7.0000 564.3333 16.0000
MatVar(A, 2)
V1 V2 V3
## 547.333333 1.666667 1.666667
这是apply()
有用的主要原因之一。 它旨在在数组或矩阵的边界上进行操作。
set.seed(100)
m <- matrix(sample(1e5L), 1e4L)
library(microbenchmark)
microbenchmark(apply(m, 1, var))
# Unit: milliseconds
# expr min lq median uq max neval
# apply(m, 1, var) 270.3746 283.9009 292.2933 298.1297 343.9531 100
300毫秒是否太长而无法进行10,000次计算?
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.