R repmat函數用於稀疏矩陣

Question

對於我的r項目，我需要重復幾個大的矩陣（即大於1000x1000的矩陣）。 我在r中找到了兩個版本的matlab repmat-function，它們都可以工作，但是有嚴格的限制，因此我無法使用它們。 有沒有人有其他方法來解決這個問題？

---

為了減少內存使用，我使用了Matrix-Package中的稀疏函數（ Diagonal() ， Matrix(..., sparse=TRUE) ）。

> m <- Diagonal(10000)
> object.size(m)
1168 bytes

現在，要重復此矩陣，請使用matlab函數repmat ar轉換（可以在此處找到）：

repmat <- function(X, m, n){
    mx <- dim(X)[1]
    nx <- dim(X)[2]
    return(matrix(t(matrix(X,mx,nx*n)),mx*m,nx*n,byrow=T))
}

不幸的是，此方法使用矩陣的標准/密集版本，並且只能使用特定的對象大小，這在我的項目中很快被超過。 簡單地將matrix(...)函數與Matrix(..., sparse=TRUE)交換也不會起作用，因為矩陣維的參數定義不同。

唯一的其他解決方案是pcaMethods-Package的repmat-version，在這里我可以使用稀疏矩陣：

repmat <- function(mat, M, N) {
    ## Check if all input parameters are correct
    if( !all(M > 0, N > 0) ) {
        stop("M and N must be > 0")
    }    

    ## Convert array to matrix
    ma <- mat
    if(!is.matrix(mat)) {
        ma <- Matrix(mat, nrow=1, sparse=TRUE)
    }

    rows <- nrow(ma)
    cols <- ncol(ma)
    replicate <- Matrix(0, rows * M, cols * N, sparse=TRUE)

    for (i in 1:M) {
        for(j in 1:N) {
            start_row <- (i - 1) * rows + 1
            end_row <- i * rows
            start_col <- (j - 1) * cols + 1
            end_col <- j * cols
            replicate[start_row:end_row, start_col:end_col] <- ma
        }
    }

     return(replicate)
}

但是，此功能可以完成工作，但是需要大量的運行時間（可能是由於嵌套循環）。 我剩下的唯一選擇是增加整體memory.limit ，但這只會導致物理內存用完。

---

我的智慧到此為止。 任何幫助或建議，將不勝感激。 預先感謝您的答復。

Answer 1

對rbind和cbind使用Matrix方法：

repMat <- function(X, m, n){
  Y <- do.call(rbind, rep(list(X), m))
  do.call(cbind, rep(list(Y), n))
}


system.time(res <- repMat(m, 20, 30))
#user  system elapsed 
#0.48    0.44    0.92
str(res)
#Formal class 'dgCMatrix' [package "Matrix"] with 6 slots
#  ..@ i       : int [1:6000000] 0 10000 20000 30000 40000 50000 60000 70000 80000 90000 ...
#  ..@ p       : int [1:300001] 0 20 40 60 80 100 120 140 160 180 ...
#  ..@ Dim     : int [1:2] 200000 300000
#  ..@ Dimnames:List of 2
#  .. ..$ : NULL
#  .. ..$ : NULL
#  ..@ x       : num [1:6000000] 1 1 1 1 1 1 1 1 1 1 ...
#  ..@ factors : list()

object.size(res)
#73201504 bytes