在R
我有一个包含49个变量和4M行的数据帧。我想计算49 x 49的相关矩阵。所有列均为数值类 以下是一个示例:在R,r,correlation,R,Correlation,我有一个包含49个变量和4M行的数据帧。我想计算49 x 49的相关矩阵。所有列均为数值类 以下是一个示例: df <- data.frame(replicate(49,sample(0:50,4000000,rep=TRUE))) 这需要很长时间。我有16GB的RAM和一个i5单核2.60Ghz 有没有办法在我的桌面上加快计算速度?WGCNA软件包中有一个更快版本的cor函数(用于根据相关性推断基因网络)。在我的3.1 GHz i7 w/16 GB RAM上,它可以以大约20倍的速度求
df <- data.frame(replicate(49,sample(0:50,4000000,rep=TRUE)))
这需要很长时间。我有16GB的RAM和一个i5单核2.60Ghz
有没有办法在我的桌面上加快计算速度?WGCNA软件包中有一个更快版本的cor函数(用于根据相关性推断基因网络)。在我的3.1 GHz i7 w/16 GB RAM上,它可以以大约20倍的速度求解相同的49 x 49矩阵:
mat <- replicate(49, as.numeric(sample(0:50,4000000,rep=TRUE)))
system.time(
cor_matrix <- cor(mat, use = "pairwise.complete.obs")
)
user system elapsed
40.391 0.017 40.396
system.time(
cor_matrix_w <- WGCNA::cor(mat, use = "pairwise.complete.obs")
)
user system elapsed
1.822 0.468 2.290
all.equal(cor_matrix, cor_matrix_w)
[1] TRUE
mat您可以检查您的主要问题是use=“pairwise.complete.obs”
。在我的系统上(使用12列进行测试),所需时间是use=“everything”
的五倍。
mat <- replicate(49, as.numeric(sample(0:50,4000000,rep=TRUE)))
system.time(
cor_matrix <- cor(mat, use = "pairwise.complete.obs")
)
user system elapsed
40.391 0.017 40.396
system.time(
cor_matrix_w <- WGCNA::cor(mat, use = "pairwise.complete.obs")
)
user system elapsed
1.822 0.468 2.290
all.equal(cor_matrix, cor_matrix_w)
[1] TRUE