R中的数据探索：快速显示大矩阵的热图？

Question

如何在 R 中快速可视化大型矩阵？

我有时会处理较大的数字矩阵（例如 3000 x 3000），快速将它们可视化是一个非常有用的质量控制步骤。这在我之前选择的语言 Matlab 中非常简单快捷。例如，显示一个 1000x1000 矩阵需要 0.5 秒：

rand_matrix = rand(1000,1000);
tic
imagesc(rand_matrix)
toc
>> Elapsed time is 0.463903 seconds.

我希望在 R 中具有相同的功能，但不幸的是 在 R 中可视化矩阵似乎很慢。比如使用image.plot()同样的随机矩阵需要10多秒才能显示出来：

require(tictoc)
require(image.plot)
mm = 1000
nn = 1000
rand.matrix = matrix(runif(mm*nn), ncol=mm, nrow=nn)
tic("Visualizing matrix")
image.plot(rand.matrix)
toc()
> Visualizing matrix: 11.744 sec elapsed

随着矩阵变大，问题变得更糟。例如，一个 3000x3000 的矩阵在 R 中可视化需要几分钟，而在 Matlab 中则需要几秒钟。这显然不适用于数据探索。我试过 ggplot，melting + geom_raster() 仍然需要一分钟。

我做错了什么？有没有一种在 R 中可视化矩阵的快速方法？理想的解决方案需要一两行代码。

Answer 1

使用image(m, useRaster = TRUE) 时我很快就得到了一个情节：

start = Sys.time()
image(rand.matrix, useRaster = TRUE)
print(Sys.time() - start)
# Time difference of 0.326 secs

如果没有useRaster = TRUE，这需要 1.5 秒，useRaster 会加快这一速度，但我认为只适用于简单、均匀分布的点。

如果您的最终目标是生成带有此图的图像文件，那么我认为直接输出为像 png 这样的光栅格式可能是最有效的，尽管准确测量 R 保存多长时间有点棘手图片文件，例如：

png("image_plot.png", width = 1000, height = 1000)
image(rand.matrix, useRaster = TRUE)
dev.off()