Ho un grande matrice che vorrei centro:efficiente centrare una grande matrice R
X <- matrix(sample(1:10, 5e+08, replace=TRUE), ncol=10000)
Trovare il il mezzo è rapido ed efficiente con colMeans:
means <- colMeans(X)
Ma che cosa è un buon modo (veloce ed efficiente in termini di memoria) per sottrarre la media corrispondente da ciascuna colonna? Funziona, ma non sembra giusto:
for (i in 1:length(means)){
X[,i] <- X[,i]-means[i]
}
C'è un modo migliore?
/EDIT: Ecco una modifica dei vari parametri di riferimento DWin ha scritto, su una matrice più grande, tra cui l'Altro Pubblicato suggerimenti:
require(rbenchmark)
X <- matrix(sample(1:10, 5e+07, replace=TRUE), ncol=10000)
frlp.c <- compiler:::cmpfun(function(mat){
means <- colMeans(mat)
for (i in 1:length(means)){
mat[,i] <- mat[,i]-means[i]
}
return(mat)
})
mat.c <- compiler:::cmpfun(function(mat){
t(t(X) - colMeans(X))
})
swp.c <- compiler:::cmpfun(function(mat){
sweep(mat, 2, colMeans(mat), FUN='-')
})
scl.c <- compiler:::cmpfun(function(mat){
scale(mat, scale=FALSE)
})
matmult.c <- compiler:::cmpfun(function(mat){
mat-rep(1, nrow(mat)) %*% t(colMeans(mat))
})
benchmark(
frlp.c=frlp.c(X),
mat=mat.c(X),
swp=swp.c(X),
scl=scl.c(X),
matmult=matmult.c(X),
replications=10,
order=c('replications', 'elapsed'))
La funzione matmult sembra essere nuovo vincitore! Voglio davvero provarli su una matrice di elementi 5e + 08, ma continuo a rimanere senza RAM.
test replications elapsed relative user.self sys.self user.child sys.child
5 matmult 10 11.98 1.000 7.47 4.47 NA NA
1 frlp.c 10 35.05 2.926 31.66 3.32 NA NA
2 mat 10 50.56 4.220 44.52 5.67 NA NA
4 scl 10 58.86 4.913 50.26 8.42 NA NA
3 swp 10 61.25 5.113 51.98 8.64 NA NA
Forse la funtion 'scale' potrebbe aiutarti. Vedi "scala". Un'altra funzione utile potrebbe essere "sweep". –
@Jiber: la funzione di scala è molto più lenta del ciclo for sopra. spazzare dovrebbe funzionare, grazie! – Zach
Chi è "wuber"? La funzione 'benchmark' è stata scritta da Wacek Kusnierczyk. –