在 R 中使用 & 快速组合逻辑矩阵答案

【问题标题】：Quickly combine logical matrices with & in R在 R 中使用 & 快速组合逻辑矩阵
【发布时间】：2020-08-19 09:27:33
【问题描述】：

我有一个很大的逻辑矩阵，需要使用& 操作将每一列与一个向量组合在一起。现在我正在遍历列，但这需要一段时间，因为有超过 100 万行。有没有更快的、可能是矢量化的方法来做到这一点？

mx <- replicate(10, sample(c(T,F), size = 1000, replace = T)) # 1000 rows x 10 columns
bool <- sample(c(T,F), size = 1000, replace = T) # 1000 elements

out <- apply(mx1, 2, function(x) {
  x & bool
})

就上下文而言，此数据来自基因表达矩阵，其中 1 行 = 1 个细胞

【问题讨论】：

mx & bool 有效，不是吗？
@r2evans 是的，我已经根据 OP 的代码进行了检查，all((mx & bool) == out) 是 TRUE
是的，我不敢相信我没有先尝试这个。谢谢大家。

标签： r binary vectorization logical-operators processing-efficiency

【解决方案1】：

我认为您想要的结果是 mx 的暗淡，每行 &ed 具有各自的单个值 bool。我认为你不做任何外部事情就可以了。

set.seed(42)
mx <- replicate(4, sample(c(T,F), size = 10, replace = T)) # 1000 rows x 10 columns
bool <- sample(c(T,F), size = 10, replace = T) # 1000 elements
cbind(mx, NA, bool)
#                                   bool
#  [1,] FALSE  TRUE FALSE FALSE NA  TRUE
#  [2,] FALSE FALSE  TRUE FALSE NA  TRUE
#  [3,]  TRUE FALSE FALSE  TRUE NA  TRUE
#  [4,] FALSE  TRUE FALSE FALSE NA FALSE
#  [5,] FALSE  TRUE  TRUE  TRUE NA  TRUE
#  [6,] FALSE FALSE FALSE FALSE NA FALSE
#  [7,] FALSE FALSE  TRUE  TRUE NA FALSE
#  [8,]  TRUE  TRUE FALSE  TRUE NA FALSE
#  [9,] FALSE  TRUE  TRUE FALSE NA FALSE
# [10,] FALSE FALSE FALSE FALSE NA FALSE

（显示cbinded 数据只是为了将bool 值与mx 的每一行对齐。）

这样，任何带有bool false 的行都应该导致所有FALSE：

mx & bool
#        [,1]  [,2]  [,3]  [,4]
#  [1,] FALSE  TRUE FALSE FALSE
#  [2,] FALSE FALSE  TRUE FALSE
#  [3,]  TRUE FALSE FALSE  TRUE
#  [4,] FALSE FALSE FALSE FALSE
#  [5,] FALSE  TRUE  TRUE  TRUE
#  [6,] FALSE FALSE FALSE FALSE
#  [7,] FALSE FALSE FALSE FALSE
#  [8,] FALSE FALSE FALSE FALSE
#  [9,] FALSE FALSE FALSE FALSE
# [10,] FALSE FALSE FALSE FALSE

验证：

out <- apply(mx, 2, function(x) x & bool)
identical(out, mx & bool)
# [1] TRUE
microbenchmark::microbenchmark(apply(mx, 2, function(x) x & bool), mx & bool)
# Unit: nanoseconds
#                                expr   min    lq  mean median    uq     max neval
#  apply(mx, 2, function(x) x & bool) 31100 32400 53029  34400 39750 1644700   100
#                           mx & bool   400   600   824    700   900    3200   100

使用更大的矩阵：

mx <- replicate(10, sample(c(T,F), size = 1000, replace = T)) # 1000 rows x 10 columns
bool <- sample(c(T,F), size = 1000, replace = T) # 1000 elements
dim(mx)
# [1] 1000   10
length(bool)
# [1] 1000

microbenchmark::microbenchmark(apply(mx, 2, function(x) x & bool), mx & bool)
# Unit: microseconds
#                                expr   min     lq    mean median     uq    max neval
#  apply(mx, 2, function(x) x & bool) 336.1 489.70 621.647 605.25 696.05 1999.9   100
#                           mx & bool  65.0  94.25 135.260 129.20 159.50  385.4   100

【讨论】：

【解决方案2】：

在这种情况下很容易：

mx & bool

bool 为mx 中的所有列回收

identical(mx & bool, out)

输出：

[1] TRUE

【讨论】：

【解决方案3】：

您可以尝试使用 data.table 包：

n <- 1000000
mx <- replicate(10, sample(c(T,F), size = n, replace = T)) # n rows x 10 columns
bool <- sample(c(T,F), size = n, replace = T) # n elements

# original solution
system.time(
  out <- apply(mx, 2, function(x) {
    x & bool
  })
)

# user  system elapsed 
# 0.20    0.02    0.22 


# using data.table, approx. half the time
dt <- data.table(mx)

system.time(
  out2 <- dt[, lapply(.SD, function(x){x & bool})]
)

# user  system elapsed 
# 0.11    0.00    0.11

【讨论】：

谢谢，我是 data.table 的粉丝，但我认为 mx & bool 解决方案在这里实际上更快
同意，我刚试过。我不知道& 运算符默认是矢量化的；很高兴知道。
& 是按定义和意图进行矢量化的，实际上...与 && 相反，后者有意不矢量化