Matrix 使用data.table进行矩阵运算和组件式加法
如果要求和的矩阵数事先未知,那么进行分量加法的最佳方法是什么?更一般地说,在上下文中是否有一种执行矩阵(或多维数组)操作的好方法?我使用了Matrix 使用data.table进行矩阵运算和组件式加法,matrix,data.table,r,outer-join,Matrix,Data.table,R,Outer Join,如果要求和的矩阵数事先未知,那么进行分量加法的最佳方法是什么?更一般地说,在上下文中是否有一种执行矩阵(或多维数组)操作的好方法?我使用了data.table,因为它可以通过几个固定变量或类别对数据进行排序和分组,每个变量或类别包含不同数量的观察值 例如: 找到数据的每个观察值(行)中给定的向量分量的外积,为每行返回一个矩阵 对每个数据类别分组的所有行的结果矩阵按组件求和 此处用2x2矩阵和一个类别进行说明: library(data.table) # example data, number
data.table
,因为它可以通过几个固定变量或类别对数据进行排序和分组,每个变量或类别包含不同数量的观察值
例如:
library(data.table)
# example data, number of rows differs by category t
N <- 5
dt <- data.table(t = rep(c("a", "b"), each = 3, len = N),
x1 = rep(1:2, len = N), x2 = rep(3:5, len = N),
y1 = rep(1:3, len = N), y2 = rep(2:5, len = N))
setkey(dt, t)
> dt
t x1 x2 y1 y2
1: a 1 3 1 2
2: a 2 4 2 3
3: a 1 5 3 4
4: b 2 3 1 5
5: b 1 4 2 2
当然,这不起作用,因为sum
将数组中的所有元素相加
我看到使用了Reduce('+',.list)
,但这似乎需要已经有一个list
来添加所有矩阵。我还没有弄清楚如何在data.table
中实现这一点,因此我有一个麻烦的解决方法:
# extract each outer product component first...
mat_comps <- function(x1, x2, y1, y2){
x <- c(x1, x2) # x vector
y <- c(y1, y2) # y vector
xy <- x %o% y # outer product (i.e. 2x2 matrix)
xy11 <- xy[1,1]
xy21 <- xy[2,1]
xy12 <- xy[1,2]
xy22 <- xy[2,2]
return(c(xy11, xy21, xy12, xy22))
}
# ...then running this function on dt,
# taking extra step (making column 'n') to apply it row-by-row...
dt[, n := 1:nrow(dt)]
dt[, c("xy11", "xy21", "xy12", "xy22") := as.list(mat_comps(x1, x2, y1, y2)),
by = n]
# ...then sum them individually, now grouping by t
s <- dt[, list(s11 = sum(xy11),
s21 = sum(xy21),
s12 = sum(xy12),
s22 = sum(xy22)),
by = key(dt)]
> s
t s11 s21 s12 s22
1: a 8 26 12 38
2: b 4 11 12 23
#首先提取每个外部产品组件。。。
mat_comps一般来说,数据。表
用于处理列。将问题转化为列式操作越多,从data.table
中获得的信息就越多
这是一个完成这项行动的尝试。也许有更好的办法。这更多的是作为一个模板,提供一个解决问题的想法(尽管我知道这在所有情况下都不可能)
嗯
编辑:稍微修改了cols、c1、c2
,以获得V2
和V3
的正确顺序的输出编辑:
对于“x”和“y”中的两个元素,修改后的函数可以是:
ff2 = function(x_ls, y_ls)
{
combs_ls = lapply(seq_along(x_ls[[1]]),
function(i) list(sapply(x_ls, "[[", i),
sapply(y_ls, "[[", i)))
rowSums(sapply(combs_ls, function(x) as.vector(do.call(outer, x))))
}
其中,“x_ls”和“y_ls”是各自向量的列表
使用它:
dt[, as.list(ff2(list(x1, x2), list(y1, y2))), by = t]
# t V1 V2 V3 V4
#1: a 8 26 12 38
#2: b 4 11 12 23
以及其他“数据帧/表格”:
不过,我不知道“data.table”中的一个函数如何不明确说明在函数中使用哪些列;i、 e.你如何做与以下工作相当的工作:
do.call(rbind, lapply(split(DF[-1], DF$group),
function(x)
do.call(ff2, c(list(x[grep("^x", names(x))]),
list(x[grep("^y", names(x))])))))
# [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [,11] [,12] [,13] [,14] [,15] [,16]
#a 338 661 457 378 551 616 652 468 460 773 536 519 416 766 442 532
#b 108 261 171 99 29 77 43 29 154 386 238 146 161 313 287 121
#c 345 351 432 293 401 421 425 475 492 558 621 502 510 408 479 492
旧答案:
也许您可以将函数定义为:
ff1 = function(x1, x2, y1, y2)
rowSums(sapply(seq_along(x1),
function(i) as.vector(c(x1[i], x2[i]) %o% c(y1[i], y2[i]))))
dt[, as.list(ff1(x1, x2, y1, y2)), by = list(t)]
# t V1 V2 V3 V4
#1: a 8 26 12 38
#2: b 4 11 12 23
这里有许多有用的方面,特别是CJ
和.SD
的使用,还有seq
、grep
和其他我不太熟悉的字符串命令。该模板直接扩展到m-by-n矩阵,方便地从xcols和ycols推断维度。一个问题是为什么V2和V3是反向的编辑,尽管我不想将原始的顺序称为“不正确的”。这仅仅是因为R默认的矩阵元素列式填充,我列出了11、21、12、22。有趣的是,相比之下,CJ
是按行的,我发现这更自然。也许我用的是cols,它既干净又紧凑。您可能需要简单地调整函数(和参数)以适应任意尺寸的x和y向量。@Scott:我刚刚用一个变通方法编辑了答案,尽管我不确定它有多有用+1这是一个多么好的第一个问题。欢迎来到堆栈溢出。
dt[, as.list(ff2(list(x1, x2), list(y1, y2))), by = t]
# t V1 V2 V3 V4
#1: a 8 26 12 38
#2: b 4 11 12 23
set.seed(101)
DF = data.frame(group = rep(letters[1:3], c(4, 2, 3)),
x1 = sample(1:20, 9, T), x2 = sample(1:20, 9, T),
x3 = sample(1:20, 9, T), x4 = sample(1:20, 9, T),
y1 = sample(1:20, 9, T), y2 = sample(1:20, 9, T),
y3 = sample(1:20, 9, T), y4 = sample(1:20, 9, T))
DT = as.data.table(DF)
DT[, as.list(ff2(list(x1, x2, x3, x4),
list(y1, y2, y3, y4))), by = group]
# group V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14 V15 V16
#1: a 338 661 457 378 551 616 652 468 460 773 536 519 416 766 442 532
#2: b 108 261 171 99 29 77 43 29 154 386 238 146 161 313 287 121
#3: c 345 351 432 293 401 421 425 475 492 558 621 502 510 408 479 492
do.call(rbind, lapply(split(DF[-1], DF$group),
function(x)
do.call(ff2, c(list(x[grep("^x", names(x))]),
list(x[grep("^y", names(x))])))))
# [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [,11] [,12] [,13] [,14] [,15] [,16]
#a 338 661 457 378 551 616 652 468 460 773 536 519 416 766 442 532
#b 108 261 171 99 29 77 43 29 154 386 238 146 161 313 287 121
#c 345 351 432 293 401 421 425 475 492 558 621 502 510 408 479 492
ff1 = function(x1, x2, y1, y2)
rowSums(sapply(seq_along(x1),
function(i) as.vector(c(x1[i], x2[i]) %o% c(y1[i], y2[i]))))
dt[, as.list(ff1(x1, x2, y1, y2)), by = list(t)]
# t V1 V2 V3 V4
#1: a 8 26 12 38
#2: b 4 11 12 23