将每个组与 data.table 中的每个其他组进行比较

Question

我正在寻找一种data.table 方法来潜在地消除双 for 循环。我正在尝试使用 DTW 算法将每个组与其他组进行比较。

这里是 MWE（未优化）：

library(data.table)
library(SimilarityMeasures)

tt <- data.table(A=1:100,B=2:101,C=rep(1:4,each=25))
result <- list()
for(i in 1:4){
  for(j in 1:4){
      result[[4*i+j]] <- DTW(tt[C==i,cbind(A,B)],tt[C==j,cbind(A,B)]) 
  }

}
result

A和B是一些变量，用作DTW算法的输入，C是分组变量。我试图在data.table 中提出一些结合.SD 或.BY 方法的lapply 解决方案，但失败了。目标是拥有比上述双 for 循环更快的函数（即使在并行运行时）。

非常感谢任何帮助。谢谢！

Answer 1

我正在寻找一种可能消除双 for 循环的 data.table 方法。

这是我的建议，而不是 for 循环和数字索引列表：

s = lapply(split(tt, by="C", keep=FALSE), as.matrix)
f = sum

res = tt[, CJ(C1 = C, C2 = C, unique=TRUE)]
res[, v := f(s[[C1]], s[[C2]]), by=.(C1, C2)]

（我无法安装您的软件包，因此使用一些 f 而不是 DTW。我正在转换为矩阵，因为我认为这就是您使用 cbind 的原因。）

一般来说，枚举组合和使用by= 是一种避免/重新构造 data.table 循环的方法。

预计算子集矩阵s 可能有助于提高性能，但这本质上仍然是一个循环。我怀疑这里可以进行更多的优化。