List 如何将矩阵转换为R中的列向量列表?
假设要将矩阵转换为列表,其中列表的每个元素都包含一列List 如何将矩阵转换为R中的列向量列表?,list,r,matrix,List,R,Matrix,假设要将矩阵转换为列表,其中列表的每个元素都包含一列list()或as.list()显然不起作用,直到现在,我使用了一个hack,使用tapply的行为: x <- matrix(1:10,ncol=2) tapply(x,rep(1:ncol(x),each=nrow(x)),function(i)i) )将数据帧转换为列表似乎可行: > as.list(data.frame(x)) $X1 [1] 1 2 3 4 5 $X2 [1] 6 7 8 9 10 >
list()
或as.list()
显然不起作用,直到现在,我使用了一个hack,使用tapply
的行为:
x <- matrix(1:10,ncol=2)
tapply(x,rep(1:ncol(x),each=nrow(x)),function(i)i)
)将数据帧转换为列表似乎可行:
> as.list(data.frame(x))
$X1
[1] 1 2 3 4 5
$X2
[1] 6 7 8 9 10
> str(as.list(data.frame(x)))
List of 2
$ X1: int [1:5] 1 2 3 4 5
$ X2: int [1:5] 6 7 8 9 10
我相信数据帧是以列表的形式存储的。因此,强制似乎是最好的:
as.list(as.data.frame(x))
> as.list(as.data.frame(x))
$V1
[1] 1 2 3 4 5
$V2
[1] 6 7 8 9 10
基准测试结果很有趣。as.data.frame比data.frame快,要么是因为data.frame必须创建一个全新的对象,要么是因为跟踪列名的成本很高(看看c(unname())与c()的比较)?@Tommy提供的lapply解决方案速度快了一个数量级。通过手动强制,可以在一定程度上改进as.data.frame()结果
manual.coerce <- function(x) {
x <- as.data.frame(x)
class(x) <- "list"
x
}
library(microbenchmark)
x <- matrix(1:10,ncol=2)
microbenchmark(
tapply(x,rep(1:ncol(x),each=nrow(x)),function(i)i) ,
as.list(data.frame(x)),
as.list(as.data.frame(x)),
lapply(seq_len(ncol(x)), function(i) x[,i]),
c(unname(as.data.frame(x))),
c(data.frame(x)),
manual.coerce(x),
times=1000
)
expr min lq
1 as.list(as.data.frame(x)) 176221 183064
2 as.list(data.frame(x)) 444827 454237
3 c(data.frame(x)) 434562 443117
4 c(unname(as.data.frame(x))) 257487 266897
5 lapply(seq_len(ncol(x)), function(i) x[, i]) 28231 35929
6 manual.coerce(x) 160823 167667
7 tapply(x, rep(1:ncol(x), each = nrow(x)), function(i) i) 1020536 1036790
median uq max
1 186486 190763 2768193
2 460225 471346 2854592
3 449960 460226 2895653
4 271174 277162 2827218
5 36784 37640 1165105
6 171088 176221 457659
7 1052188 1080417 3939286
is.list(manual.coerce(x))
[1] TRUE
manual.concure在我的发现下:
作为一个有效的解决方案,在my R v2.13.0安装中,这看起来还可以:
> y <- c(unname(as.data.frame(x)))
> y
[[1]]
[1] 1 2 3 4 5
[[2]]
[1] 6 7 8 9 10
>y
[[1]]
[1] 1 2 3 4 5
[[2]]
[1] 6 7 8 9 10
不能说任何关于性能比较或它有多干净;-) 加文的回答简单而优雅。但如果有许多列,则更快的解决方案是:
lapply(seq_len(ncol(x)), function(i) x[,i])
在下例中,速度差为6倍:
> x <- matrix(1:1e6, 10)
> system.time( as.list(data.frame(x)) )
user system elapsed
1.24 0.00 1.22
> system.time( lapply(seq_len(ncol(x)), function(i) x[,i]) )
user system elapsed
0.2 0.0 0.2
>x系统时间(作为列表(数据帧(x)))
用户系统运行时间
1.24 0.00 1.22
>系统时间(lappy(seq_len(ncol(x)),函数(i)x[,i]))
用户系统运行时间
0.2 0.0 0.2
为了给猫剥皮,将数组视为向量,就像它没有dim属性一样:
split(x, rep(1:ncol(x), each = nrow(x)))
使用plyr
对于以下情况非常有用:
library("plyr")
alply(x,2)
$`1`
[1] 1 2 3 4 5
$`2`
[1] 6 7 8 9 10
attr(,"class")
[1] "split" "list"
我知道这在R中是一种诅咒,我并没有太多的声誉来支持这一点,但我发现for循环更有效。我使用以下函数将matrix mat转换为其列列表:
mat2list <- function(mat)
{
list_length <- ncol(mat)
out_list <- vector("list", list_length)
for(i in 1:list_length) out_list[[i]] <- mat[,i]
out_list
}
mat2list您可以使用apply
,然后使用c
和do.call
x <- matrix(1:10,ncol=2)
do.call(c, apply(x, 2, list))
#[[1]]
#[1] 1 2 3 4 5
#
#[[2]]
#[1] 6 7 8 9 10
x在列数较小且恒定的普通情况下,我发现最快的选择是简单地硬编码转换:
mat2list <- function (mat) lapply(1:2, function (i) mat[, i])
mat2list2 <- function (mat) list(mat[, 1], mat[, 2])
## Microbenchmark results; unit: microseconds
# expr min lq mean median uq max neval
## mat2list(x) 7.464 7.932 8.77091 8.398 8.864 29.390 100
## mat2list2(x) 1.400 1.867 2.48702 2.333 2.333 27.525 100
mat2listconvertRowsToList{BBmisc}
将data.frame或矩阵的行(列)转换为列表
BBmisc::convertColsToList(x)
参考:新功能将在v3.6中以R为基础。在此之前,本着与@mdsumner的回答类似的精神,我们也可以这样做
split(x, slice.index(x, MARGIN))
根据asplit()
的文档。然而,如前所示,所有基于split()
的解决方案都比@Tommy的lappy/`[`
慢得多。这也适用于新的asplit()
,至少在其当前形式下是如此
split_1 <- function(x) asplit(x, 2L)
split_2 <- function(x) split(x, rep(seq_len(ncol(x)), each = nrow(x)))
split_3 <- function(x) split(x, col(x))
split_4 <- function(x) split(x, slice.index(x, 2L))
split_5 <- function(x) lapply(seq_len(ncol(x)), function(i) x[, i])
dat <- matrix(rnorm(n = 1e6), ncol = 100)
#> Unit: milliseconds
#> expr min lq mean median uq max neval
#> split_1(dat) 16.250842 17.271092 20.26428 18.18286 20.185513 55.851237 100
#> split_2(dat) 52.975819 54.600901 60.94911 56.05520 60.249629 105.791117 100
#> split_3(dat) 32.793112 33.665121 40.98491 34.97580 39.409883 74.406772 100
#> split_4(dat) 37.998140 39.669480 46.85295 40.82559 45.342010 80.830705 100
#> split_5(dat) 2.622944 2.841834 3.47998 2.88914 4.422262 8.286883 100
dat <- matrix(rnorm(n = 1e6), ncol = 1e5)
#> Unit: milliseconds
#> expr min lq mean median uq max neval
#> split_1(dat) 204.69803 231.3023 261.6907 246.4927 289.5218 413.5386 100
#> split_2(dat) 229.38132 235.3153 253.3027 242.0433 259.2280 339.0016 100
#> split_3(dat) 208.29162 216.5506 234.2354 221.7152 235.3539 342.5918 100
#> split_4(dat) 214.43064 221.9247 240.7921 231.0895 246.2457 323.3709 100
#> split_5(dat) 89.83764 105.8272 127.1187 114.3563 143.8771 209.0670 100
split_1 split_4(dat)37.998140 39.669480 46.85295 40.82559 45.342010 80.830705 100
#>split_5(dat)2.622944 2.841834 3.47998 2.88914 4.422262 8.286883 100
数据单位:毫秒
#>expr最小lq平均uq最大neval
#>split_1(dat)204.69803 231.3023 261.6907 246.4927 289.5218 413.5386 100
#>分割2(dat)229.38132 235.3153 253.3027 242.0433 259.2280 339.0016 100
#>拆分_3(dat)208.29162 216.5506 234.2354 221.7152 235.3539 342.5918 100
#>分割4(dat)214.43064 221.9247 240.7921 231.0895 246.2457 323.3709 100
#>分割5(dat)89.83764 105.8272 127.1187 114.3563 143.8771 209.0670 100
在tidyverse的purrr
包中有一个函数array\u tree()
,它可以以最小的麻烦完成此操作:
x <- matrix(1:10,ncol=2)
xlist <- purrr::array_tree(x, margin=2)
xlist
#> [[1]]
#> [1] 1 2 3 4 5
#>
#> [[2]]
#> [1] 6 7 8 9 10
(这是我对一个类似问题的答案的逐字复制)使用asplit
将矩阵转换为向量列表
asplit(x, 1) # split into list of row vectors
asplit(x, 2) # split into list of column vectors
创建以矩阵矩阵矩阵的列作为其元素的列表的最简单方法是使用R中的data.frame对象在内部表示为列列表这一事实。因此,所需的一切
下面是一行吗
mat.list <- as.data.frame(mat)
mat.list被加文打败了5秒。该死,“你是人类”屏幕?:-)抽签的运气好吧,我想,@Joris溜到我前面回答Perter Flom的问题后我才看到这个。另外,as.data.frame()
松开了数据框的名称,所以data.frame()
稍微好一点。相当于手动强制(x)
可以取消类(as.data.frame(x))
。谢谢Marek。这大约快了6%,大概是因为我可以避免使用函数定义/调用。有趣。我认为这也可以通过强制来实现。c(as.data.frame(x))
产生与as.list(as.data.frame(x)相同的行为
我认为是这样的,因为样本列表/矩阵的成员属于同一类型,但我不是专家。这是tapply
所做的核心。但它更简单:)。可能较慢但好看的解决方案将是split(x,col(x))
(和split(x,row(x))
。我检查了它。同样快的将是split(x,c(col(x)))
。但它看起来更糟。split(x,col(x))看起来更好-隐式强制到向量是好的…经过大量测试后,这似乎工作得最快,特别是对于很多行或列。请注意,如果x
有列名,那么split(x,col(x,as.factor=TRUE))
将保留名称。我想知道优化的Rccp解决方案是否可以更快。+1关于各种解决方案的相对效率,这是迄今为止最好的答案。但我认为为了获得相同的结果,您需要执行lappy(seq_len(nrow(x)),函数(I)x[I,])然后是较慢的。当然这会删除列名,但它们在原始问题中似乎并不重要。Tommy的解决方案更快、更紧凑:system.time(lappy(seq_len(ncol(x)),function(i)x[,i]))用户:1.668系统:0.016运行时间:1.693试图在不同的上下文中解决此问题,无效:……查找此项:vec2=castmarixtosequenceoflists(vecs);
或unlist(apply(x,2,list),recursive=FALSE)
split_1 <- function(x) asplit(x, 2L)
split_2 <- function(x) split(x, rep(seq_len(ncol(x)), each = nrow(x)))
split_3 <- function(x) split(x, col(x))
split_4 <- function(x) split(x, slice.index(x, 2L))
split_5 <- function(x) lapply(seq_len(ncol(x)), function(i) x[, i])
dat <- matrix(rnorm(n = 1e6), ncol = 100)
#> Unit: milliseconds
#> expr min lq mean median uq max neval
#> split_1(dat) 16.250842 17.271092 20.26428 18.18286 20.185513 55.851237 100
#> split_2(dat) 52.975819 54.600901 60.94911 56.05520 60.249629 105.791117 100
#> split_3(dat) 32.793112 33.665121 40.98491 34.97580 39.409883 74.406772 100
#> split_4(dat) 37.998140 39.669480 46.85295 40.82559 45.342010 80.830705 100
#> split_5(dat) 2.622944 2.841834 3.47998 2.88914 4.422262 8.286883 100
dat <- matrix(rnorm(n = 1e6), ncol = 1e5)
#> Unit: milliseconds
#> expr min lq mean median uq max neval
#> split_1(dat) 204.69803 231.3023 261.6907 246.4927 289.5218 413.5386 100
#> split_2(dat) 229.38132 235.3153 253.3027 242.0433 259.2280 339.0016 100
#> split_3(dat) 208.29162 216.5506 234.2354 221.7152 235.3539 342.5918 100
#> split_4(dat) 214.43064 221.9247 240.7921 231.0895 246.2457 323.3709 100
#> split_5(dat) 89.83764 105.8272 127.1187 114.3563 143.8771 209.0670 100
x <- matrix(1:10,ncol=2)
xlist <- purrr::array_tree(x, margin=2)
xlist
#> [[1]]
#> [1] 1 2 3 4 5
#>
#> [[2]]
#> [1] 6 7 8 9 10
x <- matrix(1:10,ncol=2)
colnames(x) <- letters[1:2]
xlist <- purrr::array_tree(x, margin=2)
xlist
#> $a
#> [1] 1 2 3 4 5
#>
#> $b
#> [1] 6 7 8 9 10
asplit(x, 1) # split into list of row vectors
asplit(x, 2) # split into list of column vectors
mat.list <- as.data.frame(mat)