Fatal编程技术网
  • cplusplus/
  • C++ 使用RcppArmadillo用向量填充上三角矩阵（包括对角线）

C++ 使用RcppArmadillo用向量填充上三角矩阵（包括对角线）

c++ r

C++ 使用RcppArmadillo用向量填充上三角矩阵（包括对角线）,c++,r,rcpp,armadillo,C++,R,Rcpp,Armadillo,我正在学习Rcpp软件包的功能，以前没有使用C++的经验。我试过： #include <RcppArmadillo.h> // [[Rcpp::depends("RcppArmadillo")]] // [[Rcpp::export]] arma::mat VtoMatCpp(int n, arma::vec x) { arma::mat V = arma::eye<arma::mat>(n,n) ; V.elem(fin

我正在学习
Rcpp
软件包的功能，以前没有使用
C++
的经验。我试过：

#include <RcppArmadillo.h>

// [[Rcpp::depends("RcppArmadillo")]]
// [[Rcpp::export]]

arma::mat VtoMatCpp(int n, 
                    arma::vec x) {

arma::mat V = arma::eye<arma::mat>(n,n) ;

V.elem(find(trimatu(V))) = x;

return(V);

}

#包括
//[[Rcpp:：depends（“RcppArmadillo”）]]
//[[Rcpp:：导出]]
arma：：mat VtoMatCpp（国际编号，
arma：：vec x）{
arma：：mat V=arma：：眼（n，n）；
V.elem（find（trimatu（V）））=x；
返回（V）；
}
当我在R
sourceCpp（'fun.cpp'）
中使用时，然后尝试
VtoMatCpp（2,1:3）
get
Error:Mat:：elem（）：大小不匹配
。看来
trimatu
函数没有拾取对角线的索引。

您得到了错误，因为您的
find
调用实际上是在查找非零元素（在本例中是您的对角线元素）。这导致您的
VtoMatCpp（2,1:3）
调用只有2个元素，其中3个元素太大，无法容纳

这有点类似于我的问题，我实际上想排除对角线元素。不幸的是，我现在能想到的最好办法就是基本上复制R如何使用
upper.tri
。下面是一个使用
RcppArmadillo
的工作示例

library(inline)

src <- '
using namespace arma;
using namespace Rcpp;

vec x = as<vec>(x_);

int n = as<int>(n_);
mat V = eye<mat>(n,n);

// make empty matrices
mat Z(n,n,fill::zeros);
mat X(n,n,fill::zeros);

// fill matrices with integers
vec idx = linspace<mat>(1,n,n);
X.each_col() += idx;
Z.each_row() += trans(idx);

// assign upper triangular elements
// the >= allows inclusion of diagonal elements
V.elem(find(Z>=X)) = x;

return(wrap(V));
'

fun <- cxxfunction(signature(n_ = "integer", x_ = "vector"), 
                   body=src, plugin="RcppArmadillo")

fun(2,1:3)

     [,1] [,2]
[1,]    1    2
[2,]    0    3
运行快速基准测试确实表明此实现比
base
R更快。在这里，我将上面的
base
解决方案包装为
fun2

library(microbenchmark)
microbenchmark(fun(100, seq(5050)), fun2(100, seq(5050)))

Unit: microseconds
                 expr     min      lq     mean   median       uq      max neval
  fun(100, seq(5050)) 117.823 154.106 241.2361 188.2575 242.0360 3392.611   100
 fun2(100, seq(5050)) 545.042 592.988 736.6958 622.7405 650.7475 4057.011   100
本周我遇到了同样的问题，由于使用了
arma:：trimatl\u ind
函数，我可以找到一个令人满意的解决方案。尽管@cdeterman的答案已经解决了这个问题，但我相信我的解决方案更容易理解，也更简洁。此外，我的判断是珍贵答案中实现的函数是错误的，因此我也重写了它

库（内联）
fun2[2，]03
最后，我还做了一个时间比较。我的实现比之前提出的
Rcpp
解决方案略快。然而，从时间比较中得到的最令人惊讶的信息是在R中实现的函数的性能是如何改进的

microbenchmark:：microbenchmark(
“r”=fun2（100，seq（5050）），
“rcpp1”=乐趣（100，序号（5050）），
“rcpp2”=fun3（100，序号（5050））
)
#>单位：微秒
#>expr最小lq平均uq最大neval
#>r 74.902 84.1845 311.6322 89.2775 149.7765 20276.213 100
#>rcpp1 67.045 109.1470 141.0202 116.8895 191.0715 229.312 100
#>rcpp2 54.575 106.3015 136.6472 114.3975 182.0125 231.395 100
下面是我的会话信息

由（v0.3.0）于2020年12月9日创建

devtools:：session_info（）
#> ─ 会话信息───────────────────────────────────────────────────────────────
#>设定值
#>R版4.0.3版（2020-10-10）
#>操作系统Ubuntu 20.04.1 LTS
#>系统x86_64，linux gnu
#>ui X11
#>语言（英文）
#>核对en_US.UTF-8
#>ctype en_US.UTF-8
#>tz美国/纽约
#>日期2020-12-09
#> 
#> ─ 包装───────────────────────────────────────────────────────────────────
#>包*版本日期库源
#>资产负债表0.2.1 2019-03-21[2]起重机（R 4.0.2）
#>callr 3.5.1 2020-10-13[2]起重机（R 4.0.3）
#>cli 2.2.0 2020-11-20[2]起重机（R 4.0.3）
#>蜡笔1.3.4 2017-09-16[2]克兰（R4.0.2）
#>描述1.2.0 2018-05-01[2]起重机（R 4.0.2）
#>开发工具2.3.2 2020-09-18[2]起重机（R 4.0.3）
#>文摘0.6.27 2020-10-24[2]CRAN（R 4.0.3）
#>省略号0.3.1 2020-05-15[2]CRAN（R 4.0.2）
#>评估0.14 2019-05-28[2]起重机（R 4.0.2）
#>fansi 0.4.1 2020-01-08[2]起重机（R 4.0.2）
#>fs 1.5.0 2020-07-31[2]起重机（R4.0.3）
#>胶水1.4.2 2020-08-27[2]起重机（R 4.0.2）
#>高0.8 2019-03-20[2]克朗（R4.0.2）
#>htmltools 0.5.0 2020-06-16[2]起重机（R4.0.2）
#>内联*0.3.16 2020-09-06[2]起重机（R4.0.3）
#>克尼特1.30 2020-09-22[2]克兰（R 4.0.3）
#>magrittr 2.0.1 2020-11-17[2]起重机（R 4.0.3）
#>备忘录1.1.0 2017-04-21[2]克兰（R 4.0.2）
#>微型基准1.4-7 2019-09-24[2]起重机（R 4.0.2）
#>pkgbuild 1.1.0 2020-07-13[2]起重机（R 4.0.2）
#>pkgload 1.1.0 2020-05-29[2]起重机（R4.0.2）
#>prettyunits 1.1.1 2020-01-24[2]起重机（R 4.0.2）
#>processx 3.4.5 2020-11-30[2]起重机（R 4.0.3）
#>ps 1.4.0 2020-10-07[2]起重机（R 4.0.3）
#>R6 2.5.0 2020-10-28[2]起重机（R4.0.3）
#>Rcpp 1.0.5 2020-07-06[2]起重机（R 4.0.2）
#>RcppArmadillo 0.9.900.3.0 2020-09-03[2]起重机（R 4.0.2）
#>遥控器2.2.0 2020-07-21[2]起重机（R4.0.3）
#>rlang 0.4.9 2020-11-26[2]起重机（R 4.0.3）
#>R标记2.4 2020-09-30[2]起重机（R 4.0.3）
#>rprojroot 2.0.2 2020-11-15[2]起重机（R 4.0.3）
#>会议信息1.1.1 2018-11-05[2]CRAN（R 4.0.2）
#>stringi 1.5.3 2020-09-09[2]起重机（R 4.0.3）
#>纵梁1.4.0 2019-02-10[2]起重机（R4.0.2）
#>测试3.0.0 2020-10-31[2]起重机（R4.0.3）
#>使用本1.6.3 2020-09-17[2]起重机（R 4.0.3）
#>带R 2.3.0 2020-09-22[2]起重机

library(microbenchmark)
microbenchmark(fun(100, seq(5050)), fun2(100, seq(5050)))

Unit: microseconds
                 expr     min      lq     mean   median       uq      max neval
  fun(100, seq(5050)) 117.823 154.106 241.2361 188.2575 242.0360 3392.611   100
 fun2(100, seq(5050)) 545.042 592.988 736.6958 622.7405 650.7475 4057.011   100