R组合,寻找比基本R更快、更高效的方式(包、代码、并行cpu)
我用基本R来表示组合 例如,假设我有一个2行5列的矩阵:R组合,寻找比基本R更快、更高效的方式(包、代码、并行cpu),r,performance,matrix,combinations,R,Performance,Matrix,Combinations,我用基本R来表示组合 例如,假设我有一个2行5列的矩阵: z<-matrix(c(1, 2, 1, 3, 2, 2, 1, 3, 2, 1),nrow=2,ncol=5,byrow = TRUE) [,1] [,2] [,3] [,4] [,5] [1,] 1 2 1 3 2 [2,] 2 1 3 2 1 l<- apply(X = combn(seq_len(ncol(z)), 3),MAR = 2,FUN =
z<-matrix(c(1, 2, 1, 3, 2, 2, 1, 3, 2, 1),nrow=2,ncol=5,byrow = TRUE)
[,1] [,2] [,3] [,4] [,5]
[1,] 1 2 1 3 2
[2,] 2 1 3 2 1
l<- apply(X = combn(seq_len(ncol(z)), 3),MAR = 2,FUN = function(jj) {apply(z[, jj], 1, paste, collapse="") })
当我在矩阵中使用大数据时,问题就开始了,
例如,当我有一个15000行17列的矩阵时,我需要17列中10组的组合
在本例中,此导出需要很长时间
对于这个组合示例,有没有比基本R(可能是一些包或代码,或者使用并行cpu)更快、更有效的方法
我使用的是Windows 7 64位、FX 8320、16GB内存。正如@inscaven所指出的,实时处理来自粘贴。如果我们只需生成所有17个choose 10组合15000次,那么随着
R
、排列
和RcppAlgos
中的两个高度优化的包的出现,这不会花那么长时间(我是作者):
如果我们必须将结果组合成一个字符矩阵,那么在baser
中我们所能做的就不多了。即使我们使用上面提到的任何一个优化库,我们仍然会在所有行上循环并粘贴结果,这很慢
system.time(t1 <- lapply(1:50, function(x) {
combn(testMat[x, ], 10, paste0, collapse = "")
}))
user system elapsed
6.847 0.070 6.933
## from package arrangements
system.time(t2 <- lapply(1:50, function(x) {
apply(combinations(x = testMat[x, ], k = 10), 1, paste0, collapse = "")
}))
user system elapsed
6.318 0.032 6.353
此函数仅生成v
的所有组合,选择r
,并通过+=
动态粘贴结果。这将生成一个向量,而无需处理矩阵的行。让我们看看有没有什么改进
numCombs <- choose(17, 10)
charMat <- matrix(as.character(testMat), nrow = 15000)
funOP <- function(z, r) {
apply(X = combn(seq_len(ncol(z)), r), MAR = 2,FUN = function(jj) {apply(z[, jj], 1, paste, collapse="") })
}
system.time(t1 <- funOP(testMat[1:100, ], 10))
user system elapsed
22.221 0.110 22.330
system.time(t2 <- lapply(1:100, function(x) {
pasteCombos(17, 10, charMat[x,], numCombs)
}))
user system elapsed
7.890 0.085 7.975
现在我们正在交谈!!!快了将近12倍
这是一个健全的检查:
all.equal(t1, do.call(rbind, t2))
# [1] TRUE
all.equal(t1, do.call(rbind, t3))
# [1] TRUE
总的来说,如果我们假设我们可以在2秒钟内完成100行,我们可以在一个体面的
2*150=300秒=5分钟内完成我们的任务不知道您可以节省多少时间,但您可以简化一点您的代码:apply(z,1,function(x)combn(x,3,FUN=paste,collapse=”)
将产生t(l)
。我感觉我们会看到德克过来推荐的。:)如果你还没有这样做的话,这可能是一个不错的选择。例如,你希望生成2.92亿个组合(17选择10乘以15000),因此,这需要一段时间也就不足为奇了…@nicola我建议用一些基准测试来补充这一点——我发现用一个100 x 17的矩阵选择n列,你的代码运行0.3秒,而OP的代码运行16秒。当我生成组合时,我注意到粘贴
功能使代码变慢。以矩阵形式保存数据使代码运行效率更高
system.time(t1 <- lapply(1:50, function(x) {
combn(testMat[x, ], 10, paste0, collapse = "")
}))
user system elapsed
6.847 0.070 6.933
## from package arrangements
system.time(t2 <- lapply(1:50, function(x) {
apply(combinations(x = testMat[x, ], k = 10), 1, paste0, collapse = "")
}))
user system elapsed
6.318 0.032 6.353
//[[Rcpp::export]]
CharacterVector pasteCombos(int n, int r, CharacterVector v, int numRows) {
int r1 = r - 1, r2 = r - 2;
int numIter, count = 0;
CharacterVector comboVec = Rcpp::no_init_vector(numRows);
std::vector<int> z(r);
std::iota(z.begin(), z.end(), 0);
while (count < numRows) {
numIter = n - z[r1];
if ((numIter + count) > numRows)
numIter = numRows - count;
for (int i = 0; i < numIter; ++i, ++count, ++z[r1])
for (int k = 0; k < r; ++k)
comboVec[count] += v[z[k]];
for (int i = r2; i >= 0; i--) {
if (z[i] != (n - r + i)) {
++z[i];
for (int k = (i + 1); k < r; ++k)
z[k] = z[k - 1] + 1;
break;
}
}
}
return comboVec;
}
numCombs <- choose(17, 10)
charMat <- matrix(as.character(testMat), nrow = 15000)
funOP <- function(z, r) {
apply(X = combn(seq_len(ncol(z)), r), MAR = 2,FUN = function(jj) {apply(z[, jj], 1, paste, collapse="") })
}
system.time(t1 <- funOP(testMat[1:100, ], 10))
user system elapsed
22.221 0.110 22.330
system.time(t2 <- lapply(1:100, function(x) {
pasteCombos(17, 10, charMat[x,], numCombs)
}))
user system elapsed
7.890 0.085 7.975
library(parallel)
system.time(t3 <- mclapply(1:100, function(x) {
pasteCombos(17, 10, charMat[x,], numCombs)
}, mc.cores = 8)) ## you will have to adjust this on your computer.. I'm running MacOS with 8 cores
user system elapsed
1.430 0.454 1.912
all.equal(t1, do.call(rbind, t2))
# [1] TRUE
all.equal(t1, do.call(rbind, t3))
# [1] TRUE