big.matrix文档中不可复制的示例（适用）

Question

我是big.matrix和相关软件包的big.matrix ，我尝试重现下面的例子```

Loading required package: stats
> Sys.setenv(LANG = "en")
> library(bigmemory)
Loading required package: bigmemory.sri

bigmemory >= 4.0 is a major revision since 3.1.2; please see package
biganalytics and http://www.bigmemory.org for more information.

> x <- big.matrix(5, 2, type="integer", init=0, dimnames=list(NULL, c("alpha", "beta")))
> x[,] <- round(rnorm(10))
Assignment will down cast from double to integer
Hint: To remove this warning type:  options(bigmemory.typecast.warning=FALSE)
Mensajes de aviso perdidos
In SetAll.bm(x, value) : 
> x
An object of class "big.matrix"
Slot "address":
<pointer: 0x22a1620>

> x[,]
     alpha beta
[1,]    -2    0
[2,]    -1    0
[3,]     0   -1
[4,]     2    1
[5,]     0    0
> apply(x, 1, mean)
Error en as.vector(data) : 
  ningún método para coaccionar a esta clase S4 a un vector

从文档中，但最后一行给出了以下错误：

Error en as.vector(data) : 
  ningún método para coaccionar a esta clase S4 a un vector

最后一行说的是"there is no method for transform this S4 class to a vector"

你能指点一下吗？

我的R版本是

R.version
               _                            
platform       x86_64-unknown-linux-gnu     
arch           x86_64                       
os             linux-gnu                    
system         x86_64, linux-gnu            
status                                      
major          2                            
minor          15.1                         
year           2012                         
month          06                           
day            22                           
svn rev        59600                        
language       R                            
version.string R version 2.15.1 (2012-06-22)
nickname       Roasted Marshmallows    

Answer 1

您尝试在bigmemory对象中调用apply 。 后者没有隐式方法转换为矩阵（apply需要的参数）

apply(x, 1, mean)
Error in as.vector(data) : 
  no method for coercing this S4 class to a vector

强制转换为矩阵，纠正问题

apply(as.matrix(x), 1, mean)
[1] -1.5 -0.5  1.0 -0.5 -0.5

OP回答后编辑：

该包装biganalytics延伸bigmemory包与各种分析。 函数bigkmeans和binit也可以与本机R对象一起使用。 不过要小心：

申请big.matrix对象。 请注意，由于与从big.matrix对象中提取数据相关的S4开销，性能可能会降低（与应用常规R矩阵相比）。 这种限制是不可避免的，并且与其他“自定义”数据结构一样（甚至更糟）。 当然，如果您应用冗长的行或列，这只会具有重要意义。

对于类似tapply的函数， bigtabulate包也可能有用。 这个包的想法是分两步完成工作。

我们发现，当分裂产生的子集具有合理的大小时，bigsplit后面的lapply或sapply可能特别有效。

Answer 2

好吧，我发现错误归功于之前的回答（#agstudy，我给你+1）... apply方法来自base包，如果我加载biganalytics包，一切都作为魅力......

> library(biganalytics)
> apply(x, 1, mean)
[1]  0.0  1.5  0.5 -1.0  0.5

再次感谢你！

Answer 3

这个答案与原始问题有点偏离主题，而不是“为什么不apply(...)工作？”，@ agstudy在上面回答，但“我如何获得一个大bigmemory对象的行方式？” 我用"r bigmemory rowmeans"搜索了"r bigmemory rowmeans"并最终在这里： http ： //www.stat.yale.edu/~jay/HPCwR/examples/bioinfo/bioinfo3.txt

再现一个有趣的片段：

# Get the row means, three different ways.

system.time({
  a <- rep(0, nrow(z))
  for (i in 1:nrow(z)) {
    a[i] <- mean(z[i,])
  }
}) # Will definitely work on both matrix and big.matrix
   # matrix timing: about 30 seconds
   # big.matrix timing: about 270 seconds
   #    The price for using bigmemory with lots of very small
   #    operations is the overhead of S3/S4 dispatch.

system.time({
  a <- apply(z, 1, mean)
}) # Works on a matrix only; interesting that it is slower.
   # matrix timing: 45 seconds 

system.time({
  myfunc <- function(i) return(mean(z[i,]))
  a <- sapply(1:nrow(z), myfunc)
}) # Will definitely work on both matrix and big.matrix
   # matrix timing:     About 40 seconds
   # big.matrix timing: About 306 seconds

该示例继续展示如何使用并行方法（ doMC等）来计算行均值。