提取大矩阵的非对角切片答案

【问题标题】：Extracting off-diagonal slice of large matrix提取大矩阵的非对角切片
【发布时间】：2012-07-30 08:44:33
【问题描述】：

我有一个很大的 nxn 矩阵，想取出不同大小的非对角线切片。例如：

1 2 3 4 5 6
1 2 3 4 5 6
1 2 3 4 5 6
1 2 3 4 5 6
1 2 3 4 5 6
1 2 3 4 5 6

我想要一个 R 函数，当给定矩阵和“对角线切片的宽度”时，它将返回仅包含这些值的 nxn 矩阵。所以对于上面的矩阵，比如 3，我会得到：

1 x x x x x
1 2 x x x x
1 2 3 x x x
x 2 3 4 x x
x x 3 4 5 x
x x x 4 5 6

目前我正在使用（原谅我）一个非常慢的 for 循环：

getDiags<-function(ndiags, cormat){
  resmat=matrix(ncol=ncol(cormat),nrow=nrow(cormat))
  dimnames(resmat)<-dimnames(cormat)
  for(j in 1:ndiags){
    resmat[row(resmat) == col(resmat) + j] <- 
      cormat[row(cormat) == col(cormat) + j]
  }
  return(resmat)
}

我意识到这是解决这个问题的一种非常“非 R”的方式。有没有更好的方法，可能使用 diag 或 lower.tri？

【问题讨论】：

标签： r matrix slice diagonal

【解决方案1】：

size <- 6
mat <- matrix(seq_len(size ^ 2), ncol = size)


low <- 0
high <- 3

delta <- rep(seq_len(ncol(mat)), nrow(mat)) - 
    rep(seq_len(nrow(mat)), each = ncol(mat))
#or Ben Bolker's better alternative
delta <- row(mat) - col(mat)
mat[delta < low | delta > high] <- NA
mat

这适用于我机器上的 5000 x 5000 矩阵

【讨论】：

此方法用于我的矩阵中的 10 次诊断：2.125 我的旧方法（已过期）：15.170 - 太好了，谢谢！
你也可以使用delta <- row(mat)-col(mat);它可能运行起来有点慢，但很容易阅读......
@BenBolker +1 为您的解决方案。它实际上快了大约 30%，并且可以处理更大的矩阵（在我的机器上是 8000 对 6000）

【解决方案2】：

如果您想使用upper.tri 和lower.tri，您可以编写如下函数：

cormat <- mapply(rep, 1:6, 6)

u.diags <- function(X, n) {
  X[n:nrow(X),][lower.tri(X[n:nrow(X),])] <- NA
  return(X)
}

或

l.diags <- function(X, n) {
  X[,n:ncol(X)][upper.tri(X[,n:ncol(X)])] <- NA
  return(X)
}

或

n.diags <- function(X, n.u, n.l) {
  X[n.u:nrow(X),][lower.tri(X[n.u:nrow(X),])] <- NA
  X[,n.l:ncol(X)][upper.tri(X[,n.l:ncol(X)])] <- NA
  return(X)
}

l.diags(cormat, 3)
u.diags(cormat, 3)
n.diags(cormat, 3, 1)

【讨论】：

【解决方案3】：

你可以这样做：

矩阵：

m<-
matrix(1:6,ncol = 6, nrow=6 ,byrow = T)

功能：

n_diag <- function (x, n) {
    d <- dim(x)
    ndiag <- .row(d) - n >= .col(d)
    x[upper.tri(x) | ndiag] <- NA
    return(x)
}

致电：

n_diag(m,3)

#     [,1] [,2] [,3] [,4] [,5] [,6]
#[1,]    1   NA   NA   NA   NA   NA
#[2,]    1    2   NA   NA   NA   NA
#[3,]    1    2    3   NA   NA   NA
#[4,]   NA    2    3    4   NA   NA
#[5,]   NA   NA    3    4    5   NA
#[6,]   NA   NA   NA    4    5    6

只是为了好玩：

#lapply(1:6, n_diag, x = m)

【讨论】：