R 快速测量图矩阵中有多少节点是邻居的方法

我有一个节点之间距离的对称矩阵：

set.seed(1)
dist.mat <- matrix(runif(10*10,0,1),10,10)
dist.mat[lower.tri(dist.mat)] <- t(dist.mat)[lower.tri(dist.mat)]

对于每个节点，我想计算节点总数中有多少部分位于该半径范围内，然后对所有节点进行平均

这是我目前正在使用的，但我正在寻找更快的东西

sapply(radii,function(r)
  mean(apply(dist.mat,1,function(x) length(which(x <= r))/ncol(dist.mat)))
)

sapply（半径，函数（r）
平均（应用）距离，1，函数（x）长度（x这里是一个不使用任何*应用的解决方案

N <- 10
c(0, cumsum( table(cut(dist.mat, radii)) / (N*N) ))

microbenchmark
表示这比
apply
approachhi@dan慢，10x10矩阵为40e3x40e3？
>N microbenchmark:：microbenchmark（c（0，cumsum（表（切割（距离、半径））/（N*N）））单位：微秒expr min lq MEANCE uq max neval c（0，立方和（表（切割（距离材料，半径））/（N*N）））360.87 367.8135 415.0268 375.1595 419.365 1142.974 100
如何尝试更接近您问题的尺码？您是对的。
cumsum
方法对于较大的
N
会变得更快
microbenchmark::microbenchmark(sapply(radii,function(r) mean(apply(dist.mat,1,function(x) length(which(x <= r))/ncol(dist.mat)))))
Unit: milliseconds
                                                                                                       expr     min
 sapply(radii, function(r) mean(apply(dist.mat, 1, function(x) length(which(x <=      r))/ncol(dist.mat)))) 2.24521
       lq     mean   median       uq      max neval
 2.548021 2.938049 2.748385 3.140852 7.233612   100

N <- 10
c(0, cumsum( table(cut(dist.mat, radii)) / (N*N) ))

library(microbenchmark)

set.seed(1L)
N <- 10e2
dist.mat <- matrix(runif(N*N,0,1),N,N)
dist.mat[lower.tri(dist.mat)] <- t(dist.mat)[lower.tri(dist.mat)]
radii <- seq(0,1,0.01)

f1 <- function() {
    sapply(radii,function(r)
        mean(apply(dist.mat,1,function(x) length(which(x <= r))/ncol(dist.mat)))
    )   
}

f2 <- function() {
    c(0, cumsum( table(cut(dist.mat, radii)) / (N*N) ))
}

microbenchmark(f1(),
    f2(),
    times=3L,
    unit="relative")

#Unit: relative
# expr      min       lq     mean   median       uq      max neval
# f1() 8.580099 8.502072 8.501601 8.427282 8.464298 8.500692     3
# f2() 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000     3