[英]Efficiently finding minimum cells values from a set of matrices in R
我有一个矩阵列表(大小 n*n),我需要根据我的列表创建一个新矩阵,给出每个单元格观察到的最小值。
例如,使用以下矩阵列表:
> a = list(matrix(rexp(9), 3), matrix(rexp(9), 3), matrix(rexp(9), 3))
> a
[[1]]
[,1] [,2] [,3]
[1,] 0.5220069 0.39643016 0.04255687
[2,] 0.4464044 0.66029350 0.34116609
[3,] 2.2495949 0.01705576 0.08861866
[[2]]
[,1] [,2] [,3]
[1,] 0.3823704 0.271399 0.7388449
[2,] 0.1227819 1.160775 1.2131681
[3,] 0.1914548 1.004209 0.7628437
[[3]]
[,1] [,2] [,3]
[1,] 0.2125612 0.45379057 1.5987420
[2,] 0.3242311 0.02736743 0.4372894
[3,] 0.6634098 1.15401347 0.9008529
output 应该是:
[,1] [,2] [,3]
[1,] 0.2125612 0.271399 0.04255687
[2,] 0.1227819 0.02736743 0.34116609
[3,] 0.1914548 0.01705576 0.08861866
我尝试使用带有以下代码的应用循环(使用 reshape2 库中的 melt 和 dcast):
library(reshape2)
all = melt(a)
allComps = unique(all[,c(1:2)])
allComps$min=apply(allComps, 1, function(x){
g1 = x[1]
g2 = x[2]
b = unlist(lapply(a, function(y){
return(y[g1,g2])
}))
return(b[which(b==min(b))])
})
dcast(allComps, Var1~Var2)
它可以工作,但在大型矩阵 (6000*6000) 上应用时需要很长时间才能运行。 我正在寻找一种更快的方法来做到这一点。
将Reduce
与pmin
一起使用:
Reduce(pmin, a)
# [,1] [,2] [,3]
#[1,] 0.02915345 0.03157736 0.3142273
#[2,] 0.57661027 0.05621098 0.1452668
#[3,] 0.48021473 0.18828404 0.4787604
数据
set.seed(123)
a = list(matrix(rexp(9), 3), matrix(rexp(9), 3), matrix(rexp(9), 3))
也许应该考虑将矩阵存储在array
而不是list
。 这可以通过simplify2array
来完成。 在array
中,可以使用min
in apply
找到特定维度上的最小值。
A <- simplify2array(a)
apply(A, 1:2, min)
我们可以用
apply(array(unlist(a), c(3, 3, 3)), 1:2, min)
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.