R中矩阵对象间的距离函数

我有一个非常简单的问题

给定一个由

x

表示的N维点（例如，每个元素表示一个维度的向量）和一个由

y

表示的MxN维矩阵（或一组具有N个维度的M点！）

set.seed(999)
data <- matrix(runif(1100), nrow = 11, ncol = 10)

x <- data[1, ]
y <- data[2:nrow(data), ]

distances <- apply(y, MARGIN = 1, function(a, b = x) {
   sqrt(sum((a - b)^2))
})

但是，我认为这对于这个具体案例来说不是很有效，原因如下：

我需要使用rbind，这是非常昂贵的内存

dist

计算每个点之间的距离，但我只对其中10个距离感兴趣，或者只对

x

和

y

的每个点之间的距离感兴趣。我对

y

点之间的内部距离不感兴趣

由于（2）的原因，我需要手动选择距离矩阵的最后一行，以获得实际需要的距离

我想到的一个可能的解决方案是通过

y

手动循环应用距离测量

set.seed(999)
data <- matrix(runif(1100), nrow = 11, ncol = 10)

x <- data[1, ]
y <- data[2:nrow(data), ]

distances <- apply(y, MARGIN = 1, function(a, b = x) {
   sqrt(sum((a - b)^2))
})

---

distance一个选项是
dapply
from
collapse

 library(collapse)
 func3 <- function(x, y) {
     dapply(y, function(a, b = x) {
             sqrt(sum((a-b)^2))
          }, MARGIN = 1)
  }


或者可以复制向量并在减去后使用
行和

func7 <- function(x, y) sqrt(rowSums((y-x[col(y)])^2))
microbenchmark::microbenchmark(func1(x, y), func3(x, y), func4(x, y), func7(x, y))
#Unit: microseconds
#        expr    min      lq     mean  median      uq      max neval cld
# func1(x, y) 37.605 39.7475 61.17471 40.7595 42.1865 1955.888   100   a
# func3(x, y) 22.212 23.5945 68.63660 24.8320 25.8670 4333.933   100   a
# func4(x, y) 21.089 22.7930 24.11542 23.5945 24.2315   58.050   100   a
# func7(x, y)  7.731  8.9135 44.45935 10.0615 10.9500 3415.959   100   a

func7更新2:如果我们假设我们有完整的数据，并且准确度高，我们可以使用rcpp实现更快的距离版本。我在下面添加了这个，最快的版本使用字节码编译器。对于那些有RcppParallel经验的人，这可能会得到进一步改进

更新：fields包中的函数rdist是迄今为止发现的最快的方法。（见附件）。在不使用字节码编译器的情况下，它似乎速度最快

简单地对之前的结果执行一些测试，我发现使用字节码编译器时，vapply比所有其他方法都要快（在第一次运行之后，当它第一次编译函数时，这就是为什么在字节码运行期间maxtime更大）

我也在这里尝试了@akrun和@ThomasIsCoding的方法

库（微基准）
库（编译器）
图书馆（折叠）
图书馆（字段）
图书馆（Rcpp）
种子集（999）
数据函数8（x，y）18.901 22.5510 27.91699 24.9015 29.3010 73.301 100
编译器：：enableJIT（3）
#> [1] 0
微基准：：微基准(
func1（x，y），
func2（x，y），
func3（x，y），
函数4（x，y），
函数5（x，y），
函数6（x，y），
函数7（x，y），
函数8（x，y）
)
#>单位：微秒
#>expr最小lq平均uq最大neval
#>func1（x，y）32.100 35.9510 85.49213 39.4015 44.2510 4298.002 100
#>func2（x，y）19.701 23.6010 45.11697 26.0505 29.6005 1732.702 100
#>func3（x，y）19.80122.251576.96108 24.80127.6510523.201 100
#>func4（x，y）16.30219.251077.4609420.301021.8005564.701100
#>func5（x，y）6.201 8.5010 41.53397 9.4510 11.0510 3032.301 100
#>func6（x，y）1.4012.30113.95802 2.7005 3.0020 1101.80100
#>func7（x，y）14.201 16.7010 64.09999 18.6510 21.0015 4307.901 100
#>func8（x，y）19.201 22.4500 64.33288 24.8510 27.5010 3776.101 100

由（v2.0.0）于2021-04-04创建

只是结果而已

#普通编译器
#>单位：微秒
#>expr最小lq平均uq最大neval
#>func1（x，y）37.001 42.8010 50.53103 45.4520 53.6515 138.302 100
#>func2（x，y）20.201 25.3510 30.23096 27.8515 31.4010 70.401100
#>func3（x，y）23.901 27.6510 55.45699 30.0010 35.7505 2248.902 100
#>func4（x，y）20.501 23.2010 28.20101 24.6020 31.4010 119.501 100
#>func5（x，y）6.100 8.6020 19.27804 9.6515 11.4510 891.001 100
#>func6（x，y）1.501 2.4010 11.60706 2.9010 3.4510 848.102 100
#>func7（x，y）14.40117.250527.7379319.751023.2510596.002 100
#>func8（x，y）18.901 22.5510 27.91699 24.9015 29.3010 73.301 100
#字节码编译器
#>单位：微秒
#>expr最小lq平均uq最大neval
#>func1（x，y）32.100 35.9510 85.49213 39.4015 44.2510 4298.002 100
#>func2（x，y）19.701 23.6010 45.11697 26.0505 29.6005 1732.702 100
#>func3（x，y）19.80122.251576.96108 24.80127.6510523.201 100
#>func4（x，y）16.30219.251077.4609420.301021.8005564.701100
#>func5（x，y）6.201 8.5010 41.53397 9.4510 11.0510 3032.301 100
#>func6（x，y）1.4012.30113.95802 2.7005 3.0020 1101.80100
#>func7（x，y）14.201 16.7010 64.09999 18.6510 21.0015 4307.901 100
#>func8（x，y）19.201 22.4500 64.33288 24.8510 27.5010 3776.101 100
这里是另一个基本R

sqrt(colSums((t(y) - x)^2))

速度快吗？base R中有其他选择吗？@eduardokapp它比ApplyOW快！速度非常快。非常有趣。我尝试使用
vapply
，但我不知道您必须使用
I
@eduardokapp“索引”，默认情况下，它是按列的，就像sappy/lappy一样。因此，我们正在循环rowsGreat贡献序列。我已经用更快的Rcpp方法更新了它。我希望这会有所帮助。这与使用
dist
相同。正如我在问题中所说，你只是对结果进行了细分。@eduardokapp对不起，我的错。请看我的update@JoelKandiah您是否愿意将此替代方案包括在您的基准测试中？谢谢。@eduardokapp我已经更新了我的帖子，包含到目前为止找到的所有解决方案
sqrt(colSums((t(y) - x)^2))