用于将每行值更改为rowsum-1(其中值为1)的更快代码
在R中,我有一个带有采样位置和条目的大数据帧(23344行x 89列) 值1表示:在此采样位置找到的对象 值0表示:在此采样位置未找到对象 要计算每个采样位置(节点)的度数/连接数,我希望,每行,获取用于将每行值更改为rowsum-1(其中值为1)的更快代码,r,dataframe,rowsum,R,Dataframe,Rowsum,在R中,我有一个带有采样位置和条目的大数据帧(23344行x 89列) 值1表示:在此采样位置找到的对象 值0表示:在此采样位置未找到对象 要计算每个采样位置(节点)的度数/连接数,我希望,每行,获取行和-1(因为这等于度数),并将该行中的1更改为该值。 此后,我可以获得colSum()来计算每个样本位置的总度数 我的数据帧的可复制示例: loc1 <- c(1,0,1) loc2 <- c(0,1,1) loc3 <- c(1,1,0) loc4 <- c(1,1,0)
行和-1
(因为这等于度数),并将该行中的1更改为该值。
此后,我可以获得colSum()
来计算每个样本位置的总度数
我的数据帧的可复制示例:
loc1 <- c(1,0,1)
loc2 <- c(0,1,1)
loc3 <- c(1,1,0)
loc4 <- c(1,1,0)
loc5 <- c(0,1,0)
df <- data.frame(loc1, loc2, loc3, loc4, loc5)
# loc1 loc2 loc3 loc4 loc5
# 1 1 0 1 1 0
# 2 0 1 1 1 1
# 3 1 1 0 0 0
我有可以工作的代码,但它很慢(包含for循环),所以有更好/更快的方法来实现这一点吗?我知道函数rowSums()
,它可能是解决方案的一部分
我目前的代码如下:
for (r in 1:nrow(df)){
df[r, df[r,] == 1] <- sum(df[r,]) - 1}
degrees_per_sample <- colSums(df)
for(1中的r:nrow(df)){
df[r,df[r,]==1]您可以尝试在数据帧上使用ifelse()
:
df[] <- ifelse(df == 1, rowSums(df) - 1, 0)
您可以使用:
df[] <- +(df > 0) * (rowSums(df) - 1)
df
# loc1 loc2 loc3 loc4 loc5
#1 2 0 2 2 0
#2 0 3 3 3 3
#3 1 1 0 0 0
df[]0)*(行和(df)-1)
df
#loc1 loc2 loc3 loc4 loc5
#1 2 0 2 2 0
#2 0 3 3 3 3
#3 1 1 0 0 0
认为,看到使用矩阵而不是data.frames来处理此类内容的好处可能会很有趣:
set.seed(1)
df = as.data.frame(matrix(rbinom(23344*89,1, 0.5), ncol=89))
m = as.matrix(df) # deliberately did the coercion outside the benchmark
all.equal(as.data.frame(ifelse(df == 1, rowSums(df) - 1, 0)), df* (rowSums(df) - 1))
microbenchmark::microbenchmark(
a = {ifelse(df == 1, rowSums(df) - 1, 0)},
b = {df* (rowSums(df) - 1)},
c = {m* (rowSums(m) - 1)}
)
# Unit: milliseconds
# expr min lq mean median uq max neval cld
# a 112.29431 142.70233 165.39007 149.7674 157.63988 304.6195 100 b
# b 193.05255 222.24858 245.57206 228.2012 236.38952 402.2677 100 c
# c 18.49041 26.92273 33.77159 27.3092 27.80769 181.4236 100 a
**结果的类别存在差异,这将影响时间。如果数据都是数字,则处理矩阵的速度更快。您可以执行df*(行和(df)-1)
但是df是一个矩阵会更快这也行得通,谢谢,我接受了@Ronak Shah的回答,因为它只快了一点点。我以前没有使用微基准来比较计算时间,我的默认设置是在R中使用数据帧而不是矩阵,所以这个建议非常有用,将来会对我有所帮助。它确实是10倍f比使用数据帧更简单。复选标记与上面的答案保持一致,因为它节省了我强制df的步骤。
df[] <- +(df > 0) * (rowSums(df) - 1)
df
# loc1 loc2 loc3 loc4 loc5
#1 2 0 2 2 0
#2 0 3 3 3 3
#3 1 1 0 0 0
set.seed(1)
df = as.data.frame(matrix(rbinom(23344*89,1, 0.5), ncol=89))
m = as.matrix(df) # deliberately did the coercion outside the benchmark
all.equal(as.data.frame(ifelse(df == 1, rowSums(df) - 1, 0)), df* (rowSums(df) - 1))
microbenchmark::microbenchmark(
a = {ifelse(df == 1, rowSums(df) - 1, 0)},
b = {df* (rowSums(df) - 1)},
c = {m* (rowSums(m) - 1)}
)
# Unit: milliseconds
# expr min lq mean median uq max neval cld
# a 112.29431 142.70233 165.39007 149.7674 157.63988 304.6195 100 b
# b 193.05255 222.24858 245.57206 228.2012 236.38952 402.2677 100 c
# c 18.49041 26.92273 33.77159 27.3092 27.80769 181.4236 100 a