R 向量与矩阵的自动乘法

我有一个R代码：

> coef
[1] 1.5 2.4 3.9 4.4
> y
     [,1] [,2] [,3] [,4]
[1,]    1    2   12   45
[2,]    5    6    7    8
[3,]    9   10    2   12
[4,]   13   14   15   45
[5,]   17   18   39    7

我必须将列的每个值乘以相应的coef。结果应该是：

First column:
1*1.5 
5*1.5 
9*1.5 
13*1.5 
17*1.5

Second column: 
2*2.4 
6*2.4 
10*2.4 
14*2.4 
18*2.4

Third column: 
12*3.9 
7*3.9 
2*3.9 
15*3.9 
39*3.9

Fourth column: 
45*4.4
8*4.4
12*4.4 
45*4.4 
7*4.4

所有列的值乘以向量中相同索引处的相同系数

我怎样计算呢

解决办法可以是：

> y[,1] <- y[,1] * coef[1]
> y[,2] <- y[,2] * coef[2]
> y[,3] <- y[,3] * coef[3]
> y[,4] <- y[,4] * coef[4]

---

>y[，1]y[，2]y[，3]y[，4]这将为您提供您想要的：

t( t(y) * coef  )

还有两种可能性：
sweep
和
scale
（后者只按列运行，在我看来有点像黑客）

coef延迟输入：

coef[col(y)]*y

在我的系统中，这是最快的

                                      test replications elapsed relative
6                         coef[col(y)] * y        10000   0.068    1.000
5 scale(y, center = FALSE, scale = 1/coef)        10000   0.640    9.412
4                   sweep(y, 2, coef, "*")        10000   0.535    7.868
3                t(apply(y, 1, "*", coef))        10000   0.837   12.309
1                           t(t(y) * coef)        10000   0.176    2.588
2                         y %*% diag(coef)        10000   0.187    2.750

+1很酷，不知道你可以像那样传递运算符。这是一个中缀函数。您只需要提供它的第二个参数就可以让它满意。您不需要转置结果吗？我考虑过这一点，甚至编写了代码，但后来记得
apply
为您转置行操作结果（无论您喜欢与否）。感谢您提供了工作的扫描示例。我确信，
sweep
是可能的答案之一，但无法获得正确的参数。嗨@Frank，我在你对副本的评论中尝试了你的Rcpp代码，但得到了
错误：与'arma:：Mat:：each_col（）[with eT=double]（）*=x]中的'operator*='不匹配。我不是Rcpp专家，所以这就是我所得到的。仅供参考，重复问题的链接：
coef[col(y)]*y

                                      test replications elapsed relative
6                         coef[col(y)] * y        10000   0.068    1.000
5 scale(y, center = FALSE, scale = 1/coef)        10000   0.640    9.412
4                   sweep(y, 2, coef, "*")        10000   0.535    7.868
3                t(apply(y, 1, "*", coef))        10000   0.837   12.309
1                           t(t(y) * coef)        10000   0.176    2.588
2                         y %*% diag(coef)        10000   0.187    2.750