R矩阵运算

我有一个矩阵（15000 x 3000）。目标是根据原始矩阵和初始值生成新矩阵。例如，我想实施的标准是：

到目前为止，我的代码就是这样设置的

DF1[1,]=1

for( i in 2:2000 ) {
    for( j in 1:15000 ) {

              if(DF[j,i] == 1 && DF1[j-1,i] == 0)
                DF1[j,i] = 1
              else if(DF[j,i] == 0 && DF1[j-1,i] == 1)
                DF1[j,i] = 0
              else DF[j,i,1] = DF1[j-1,i]

    }
}

DF是原始矩阵

DF1是新形成的矩阵

我的问题：还有其他方法吗？更快的方法

由于嵌套循环不能很好地工作，我尝试使用apply，但我不知道如何编写该函数，因为它与两个矩阵相关

---

一个例子

x <- structure(c(1L, 0L, 0L, NA, NA, 0L, NA, 0L, 1L, 0L, 1L, 0L, 0L, 
NA, 0L, NA, 1L, NA, 1L, 0L, 1L, 0L, 1L, 0L), .Dim = c(4L, 6L), .Dimnames = list(
    NULL, NULL))
x
#     [,1] [,2] [,3] [,4] [,5] [,6]
#[1,]    1   NA    1    0    1    1
#[2,]    0    0    0   NA   NA    0
#[3,]    0   NA    1    0    1    1
#[4,]   NA    0    0   NA    0    0

---

函数

f1

使用嵌套循环。（为了解决与

NA

比较导致非逻辑值

NA

的问题，我将

NA

替换为

Inf

） 仔细阅读由循环表示的算法，可以得出备选的

f2

：

f1 <- function( x, initialValues = 1 )
{
  x[which(is.na(x))] <- Inf
  y <- matrix(NA,nrow(x),ncol(x))
  y[1,] <- initialValues

  for( i in 1:ncol(x) ) { 
    for( j in 2:nrow(x) ) { 
      if(x[j,i] == 1 && y[j-1,i] == 0) { 
        y[j,i] = 1 
      }else{
        if(x[j,i] == 0 && y[j-1,i] == 1) {
          y[j,i] = 0 
        }else{ 
          y[j,i] = y[j-1,i]
        }
      }
    }
  }
  return(y)
}

f2 <- function( x, initialValues = 1 )
{  
  g <- function(v)
  {
    m <- cumsum(!is.na(v))
    v[which(!is.na(v))[m]]
  }

  x[which(!(x %in% 0:1))] <- NA
  x[1,] <- initialValues
  return( apply(x,2,g) )
}

较大的矩阵：

> set.seed(1)

> n <- 200

> m <- 300

> big_x <- matrix(sample(0:10,n*m,replace=TRUE),n,m)

> big_x[sample(1:(n*m),floor((n*m)/3))] <- NA

> microbenchmark( f1(big_x), f2(big_x) )
Unit: milliseconds
      expr       min        lq      mean    median        uq      max neval
 f1(big_x) 360.42174 495.63713 662.54576 772.42981 778.18100 890.0092   100
 f2(big_x)  33.54202  38.65849  62.25661  67.82429  72.42288 188.2729   100

> all(f1(big_x)==f2(big_x))
[1] TRUE
> 

>设置种子（1）
>n m big_xbig_x[样本（1:（n*m），地板（（n*m）/3））]微基准（f1（big_x），f2（big_x））
单位：毫秒
expr最小lq平均uq最大neval
f1（big_x）360.42174 495.63713 662.54576 772.42981 778.18100 890.0092 100
f2（大x）33.54202 38.65849 62.25661 67.82429 72.42288 188.2729 100
>全部（f1（大x）=f2（大x））
[1] 真的
> 

甚至更大：

> set.seed(1)

> n <- 800

> m <- 1000

> huge_x <- matrix(sample(0:10,n*m,replace=TRUE),n,m)

> huge_x[sample(1:(n*m),floor((n*m)/3))] <- NA

> microbenchmark( f1(huge_x), f2(huge_x) )
Unit: milliseconds
       expr       min        lq     mean    median       uq       max neval
 f1(huge_x) 4002.4121 7759.2438 8149.821 8466.4698 8950.172 10087.251   100
 f2(huge_x)  311.4259  520.5374  751.874  774.2699 1010.188  1228.504   100

> all(f1(huge_x)==f2(huge_x))
[1] TRUE
> 

>设置种子（1）
>n m巨大的x巨大的x[样本（1:（n*m），地板（（n*m）/3））]微基准（f1（巨大的x），f2（巨大的x））
单位：毫秒
expr最小lq平均uq最大neval
f1（巨幅x）4002.4121 7759.2438 8149.821 8466.4698 8950.172 10087.251 100
f2（巨大_x）311.4259520.5374751.874774.26991010.1881228.504100
>全部（f1（大x）=f2（大x））
[1] 真的
> 

问题中提到的15000乘以3000的矩阵：

> library(microbenchmark)

> x <- structure(c(1L, 0L, 0L, NA, NA, 0L, NA, 0L, 1L, 0L, 1L, 0L, 0L, 
+                  NA, 0L, NA, 1L, NA, 1L, 0L, 1L, 0L, 1L, 0L), .Dim = c(4L, 6 .... [TRUNCATED] 

> microbenchmark( f1(x), f2(x) )
Unit: microseconds
  expr     min       lq     mean   median      uq     max neval
 f1(x) 433.864 461.2645 482.9120 471.6805 480.059 920.716   100
 f2(x) 379.518 387.6700 402.9235 391.7465 414.617 620.453   100

> all(f1(x)==f2(x))
[1] TRUE

> set.seed(1)

> n <- 15000

> m <- 3000

> x_15k.3k <- matrix(sample(0:1,n*m,replace=TRUE),n,m)

> x_15k.3k[sample(1:(n*m),floor((n*m)/3))] <- NA

> microbenchmark( f1(x_15k.3k), f2(x_15k.3k), times=1 )
Unit: seconds
         expr       min        lq      mean    median        uq       max
 f1(x_15k.3k) 389.47262 389.47262 389.47262 389.47262 389.47262 389.47262
 f2(x_15k.3k)  19.97606  19.97606  19.97606  19.97606  19.97606  19.97606
 neval
     1
     1

> all(f1(x_15k.3k)==f2(x_15k.3k))
[1] TRUE
> 

>设置种子（1）
>n m x_15k.3k x_15k.3k[样品（1:（n*m），地板（（n*m）/3））]微基准（f1（x_15k.3k），f2（x_15k.3k），时间=1）
单位：秒
expr最小lq平均uq最大中值
f1（x_15k.3k）389.47262 389.47262 389.47262 389.47262 389.47262 389.47262 389.47262 389.47262
f2（x_15k.3k）19.97606 19.97606 19.97606 19.97606 19.97606 19.97606 19.97606 19.97606
内瓦尔
1.
1.
>全部（f1（x_15k.3k）=f2（x_15k.3k））
[1] 真的
> 

DF[j，i，1]

3维？不，应该是DF[j，i]winnie，如果你能用输入矩阵和预期结果添加一个小例子，那就太好了。谢谢你举个例子。你能检查一下我是否把它复制到你的问题上了吗。请注意，我将索引

y[j，i，1]

更改为

y[j，i]

-对吗？您收到的错误消息是什么？您为

x

和

y

显示的代码末尾缺少一个

}

。您尚未初始化

y

。矩阵

x

包含

NA

；你不能用数字来测试等式。当

x

中有条目

NA

时，

y

应该是什么？你应该使用内置的

is.na

。你真聪明！！！谢谢你热情的回复。但是我理解你的算法有点困难，恩，因为我是R的新手，你能推荐我一本学习基本算法的书吗（中文更好，我不擅长英语）？我非常感谢你。对不起，我不知道这样的书。我通过解释函数

g

来增强我的答案。此外，我还考虑了为第一行选择任意值的可能性。它们不一定都是1。是的，我也注意到结果与初始值无关。

> set.seed(1)

> n <- 15000

> m <- 3000

> x_15k.3k <- matrix(sample(0:1,n*m,replace=TRUE),n,m)

> x_15k.3k[sample(1:(n*m),floor((n*m)/3))] <- NA

> microbenchmark( f1(x_15k.3k), f2(x_15k.3k), times=1 )
Unit: seconds
         expr       min        lq      mean    median        uq       max
 f1(x_15k.3k) 389.47262 389.47262 389.47262 389.47262 389.47262 389.47262
 f2(x_15k.3k)  19.97606  19.97606  19.97606  19.97606  19.97606  19.97606
 neval
     1
     1

> all(f1(x_15k.3k)==f2(x_15k.3k))
[1] TRUE
>