R 在列表中对不同维度的矩阵求和并返回一个矩阵

这可能很容易，但我似乎不明白。 我有一个由矩阵组成的列表：

randomString <- function(n = 5000) {
  a <- do.call(paste0, replicate(5, sample(LETTERS, n, TRUE), FALSE))
  paste0(a, sprintf("%04d", sample(9999, n, TRUE)), sample(LETTERS, n, TRUE))
}

mat_names <- randomString(10)

mat1 <- matrix(sample(1:100, 10), nrow = 1, ncol = 10)
colnames(mat1) <- mat_names[1:10]

mat2 <- matrix(sample(1:100, 7), nrow = 1, ncol = 7)
colnames(mat2) <- mat_names[1:7]

mat3 <- matrix(sample(1:100, 3), nrow = 1, ncol = 3)
colnames(mat3) <- mat_names[1:3]

matlist <- list(
  "mat1"=mat1,
  "mat2"=mat2,
  "mat3"=mat3
)
print(matlist)

现在，我需要基于列名称的列的总和，这样一个矩阵：

     YDBTT5207K DJTTX5635J XADWJ8211U SPPLC7331C DKSHW5279Z VSTXA0199O RELXP9721L SQQFH3616Q JFZFB3125N NWKCT9607I
[1,]        234        205        146        138        153        138        111         15         63         55

allelem = Reduce(union,lapply(matlist,colnames))
unionMat = sapply(matlist,function(i)i[,match(allelem,colnames(i))])

           mat1 mat2 mat3
REBQG1509K   42    1   20
IHZKK6973T   24   10   89
XRSXL1970Q   30    9   88
UNGOW7172K   47    6   NA
RKJFP9148P   61   90   NA
YRVEA1199Q   74   11   NA
SBAUE6979O   23   20   NA
JRVKW2279O   84   NA   NA
SSTEO2503H    1   NA   NA
LEKKI1679Y   58   NA   NA

rowSums(unionMat,na.rm=TRUE)
REBQG1509K IHZKK6973T XRSXL1970Q UNGOW7172K RKJFP9148P YRVEA1199Q SBAUE6979O 
        63        123        127         53        151         85         43 
JRVKW2279O SSTEO2503H LEKKI1679Y 
        84          1         58

---

如何实现这一目标？

我怀疑有许多不同的方法可以实现这一目标。一种可能的方法是从列表中创建一个数据框，该数据框将组合来自相似名称的值。给定名称缺少的元素将是

NA

。然后，使用

colSums

计算和，并将结果显示为转置矩阵

library(dplyr)

bind_rows(lapply(matlist, as.data.frame)) %>%
  colSums(na.rm = TRUE) %>%
  as.matrix() %>%
  t()

---

我怀疑有很多不同的方法来解决这个问题。一种可能的方法是从列表中创建一个数据框，该数据框将组合来自相似名称的值。给定名称缺少的元素将是

NA

。然后，使用

colSums

计算和，并将结果显示为转置矩阵

library(dplyr)

bind_rows(lapply(matlist, as.data.frame)) %>%
  colSums(na.rm = TRUE) %>%
  as.matrix() %>%
  t()

也许是这样：

     YDBTT5207K DJTTX5635J XADWJ8211U SPPLC7331C DKSHW5279Z VSTXA0199O RELXP9721L SQQFH3616Q JFZFB3125N NWKCT9607I
[1,]        234        205        146        138        153        138        111         15         63         55

allelem = Reduce(union,lapply(matlist,colnames))
unionMat = sapply(matlist,function(i)i[,match(allelem,colnames(i))])

           mat1 mat2 mat3
REBQG1509K   42    1   20
IHZKK6973T   24   10   89
XRSXL1970Q   30    9   88
UNGOW7172K   47    6   NA
RKJFP9148P   61   90   NA
YRVEA1199Q   74   11   NA
SBAUE6979O   23   20   NA
JRVKW2279O   84   NA   NA
SSTEO2503H    1   NA   NA
LEKKI1679Y   58   NA   NA

rowSums(unionMat,na.rm=TRUE)
REBQG1509K IHZKK6973T XRSXL1970Q UNGOW7172K RKJFP9148P YRVEA1199Q SBAUE6979O 
        63        123        127         53        151         85         43 
JRVKW2279O SSTEO2503H LEKKI1679Y 
        84          1         58

也许是这样：

     YDBTT5207K DJTTX5635J XADWJ8211U SPPLC7331C DKSHW5279Z VSTXA0199O RELXP9721L SQQFH3616Q JFZFB3125N NWKCT9607I
[1,]        234        205        146        138        153        138        111         15         63         55

allelem = Reduce(union,lapply(matlist,colnames))
unionMat = sapply(matlist,function(i)i[,match(allelem,colnames(i))])

           mat1 mat2 mat3
REBQG1509K   42    1   20
IHZKK6973T   24   10   89
XRSXL1970Q   30    9   88
UNGOW7172K   47    6   NA
RKJFP9148P   61   90   NA
YRVEA1199Q   74   11   NA
SBAUE6979O   23   20   NA
JRVKW2279O   84   NA   NA
SSTEO2503H    1   NA   NA
LEKKI1679Y   58   NA   NA

rowSums(unionMat,na.rm=TRUE)
REBQG1509K IHZKK6973T XRSXL1970Q UNGOW7172K RKJFP9148P YRVEA1199Q SBAUE6979O 
        63        123        127         53        151         85         43 
JRVKW2279O SSTEO2503H LEKKI1679Y 
        84          1         58

---

你认为这个答案比dplyr版本快吗？哈哈。。很难说，如果你的矩阵很大，那么是的，因为你浪费了一些时间从data.frame转换到矩阵..你没有一个巨大的矩阵我希望你认为这个答案比dplyr版本快吗？哈哈。。很难说，如果你的矩阵是巨大的，那么是的，因为你在从data.frame到矩阵的转换上浪费了一些时间。我希望你没有一个巨大的矩阵