R矩阵/数组乘积变换

我想用两个矩阵做一个矩阵和积的计算。sumproduct在一个矩阵中有行，在另一个矩阵中有列

set.seed(123)
y <- matrix(sample(1:6,6,FALSE), nrow=3, ncol=2) 
x <- matrix(sample(1:5,15,TRUE), nrow=5, ncol=3)

> x
     [,1] [,2] [,3]
[1,]    5    4    3
[2,]    2    3    2
[3,]    2    3    3
[4,]    4    3    1
[5,]    3    5    5

> y
     [,1] [,2]
[1,]    3    4
[2,]    6    5
[3,]    2    1

---

我可以使用循环来实现这一点，但如果有一个函数能够自动实现这一点，那就容易多了。

我建议采用下一种方法。有一个名为

crossprod（）

的函数，但用于定义矩阵的维度。你可以查一下。下一个代码可能很有用：

set.seed(123)
#Data
y <- matrix(sample(1:6,6,FALSE), nrow=3, ncol=2) 
x <- matrix(sample(1:5,15,TRUE), nrow=5, ncol=3)

守则：

#Code
z <-   t(sapply(1:nrow(x), function(i){
    x[i, ] %*% sapply(1:ncol(y), function(j) {y[,j]})}))

---

我建议采取下一个办法。有一个名为

crossprod（）

的函数，但用于定义矩阵的维度。你可以查一下。下一个代码可能很有用：

set.seed(123)
#Data
y <- matrix(sample(1:6,6,FALSE), nrow=3, ncol=2) 
x <- matrix(sample(1:5,15,TRUE), nrow=5, ncol=3)

守则：

#Code
z <-   t(sapply(1:nrow(x), function(i){
    x[i, ] %*% sapply(1:ncol(y), function(j) {y[,j]})}))

---

这里是一种在矩阵的索引上使用

outer

to运算符的方法。

矢量化

允许我们在

外部

中组合结果。如果您需要性能，我真的认为使用循环会相对容易

set.seed（123）
y[1,47 46
#> [2,]   32   32
#> [3,]   31   24
#> [4,]   18   16
#> [5,]   37   34

出于好奇，这花了约5分钟的时间想出了一个解决方案：

#包括
使用名称空间Rcpp；
//[[Rcpp:：导出]]
IntegerMatrix定制_交叉产品（IntegerMatrix x，IntegerMatrix y）{
int nrow=x.行（）；
int ncol=y.cols（）；
整合素矩阵ans（nrow，ncol）；
对于（int i=0；i

基准：

bench:：mark(
使用外部=
外部（序号（x）），
序号（ncol（y）），
FUN=矢量化（函数（i，j）和（x[i，]*y[，j]））
，自定义_crossprod（x，y）
)
#一个tibble:2x13
##表达式最小中位数`itr/sec`mem_alloc`gc/sec`
##                          
##1使用外部179.8us 191.2us 4394。11.73KB 4.37
##2定制_crossprod（x，y）4.9us 6.6us 135309。2.49KB 0

这里是一种在矩阵索引上使用

外部

to运算符的方法。

矢量化

允许我们在

外部

中组合结果。如果您需要性能，我真的认为使用循环会相对容易

set.seed（123）
y[1,47 46
#> [2,]   32   32
#> [3,]   31   24
#> [4,]   18   16
#> [5,]   37   34

出于好奇，这花了约5分钟的时间想出了一个解决方案：

#包括
使用名称空间Rcpp；
//[[Rcpp:：导出]]
IntegerMatrix定制_交叉产品（IntegerMatrix x，IntegerMatrix y）{
int nrow=x.行（）；
int ncol=y.cols（）；
整合素矩阵ans（nrow，ncol）；
对于（int i=0；i

基准：

bench:：mark(
使用外部=
外部（序号（x）），
序号（ncol（y）），
FUN=矢量化（函数（i，j）和（x[i，]*y[，j]））
，自定义_crossprod（x，y）
)
#一个tibble:2x13
##表达式最小中位数`itr/sec`mem_alloc`gc/sec`
##                          
##1使用外部179.8us 191.2us 4394。11.73KB 4.37
##2定制_crossprod（x，y）4.9us 6.6us 135309。2.49KB 0

@user20650提供了最合适的答案

似乎x%*%y就足够了

set.seed(123)
y <- matrix(sample(1:6,6,FALSE), nrow=3, ncol=2) 
x <- matrix(sample(1:5,15,TRUE), nrow=5, ncol=3)
x %*% y

> x %*% y
     [,1] [,2]
[1,]   47   46
[2,]   32   32
[3,]   31   24
[4,]   18   16
[5,]   37   34

set.seed（123）
y@user20650提供了最合适的答案

似乎x%*%y就足够了

set.seed(123)
y <- matrix(sample(1:6,6,FALSE), nrow=3, ncol=2) 
x <- matrix(sample(1:5,15,TRUE), nrow=5, ncol=3)
x %*% y

> x %*% y
     [,1] [,2]
[1,]   47   46
[2,]   32   32
[3,]   31   24
[4,]   18   16
[5,]   37   34

set.seed（123）
谢谢，这是一个简洁的解决方案，像“for循环”，但不是。非常感谢大多数类似于“for循环”，但不是：）。很多循环都是隐藏的，我不知道。我写了一些类似于上面第二段代码的东西。我觉得编写循环是低效的，因为似乎有函数可以完成所有事情。谢谢，这是一个简洁的解决方案，就像“for循环”，但不是。非常感谢大多数类似于“for循环”，但不是：）。很多循环都是隐藏的，我不知道。我写了一些类似于上面第二段代码的东西。我觉得编写循环是低效的，因为似乎有函数可以完成所有事情。感谢Prob遗漏了一些东西，但这只是
x%*%y
@Duck，谢谢这太棒了。我不知道你能用sapply做到这一点。Thanks@H.Cheung美好的你现在知道怎么做了！如果你认为这个答案对你有帮助，你可以接受：）这取决于你@Duck，科尔的另一个答案也很好，所以我不知道该怎么做。我是新来的，不知道当两个答案都一样好的时候，这里的礼仪是什么？在我看来你们都是赢家，但我会为你们打勾！ICheers@user20650-天哪。你说得对，这很有效！浏览所有建议的方法都很有趣。至少有助于学习R的工作原理。感谢Prob遗漏了一些东西，但这只是
x%*%y
@Duck，谢谢这太棒了。我不知道你能用sapply做到这一点。Thanks@H.Cheung美好的你现在知道怎么做了！如果你认为这个答案对你有帮助，你可以接受：）这取决于你@Duck，科尔的另一个答案也很好，所以我不知道该怎么做。我是新来的，不知道当两个答案都一样好的时候，这里的礼仪是什么？在我看来你们都是赢家，但我会为你们打勾！ICheers@user20650-天哪。你说得对，这很有效！浏览所有建议的方法都很有趣。至少有助于学习R的工作原理。谢谢