R中几个big.matrix对象的元素平均值答案

【问题标题】：Element-wise mean of several big.matrix objects in RR中几个big.matrix对象的元素平均值
【发布时间】：2018-08-28 00:25:09
【问题描述】：

我有 17 个文件支持的 big.matrix 对象（尺寸为 10985 x 52598，每个 4.3GB），我想计算其中的元素平均值。结果可以存储在另一个 big.matrix (gcm.res.outputM) 中。

biganalytics::apply() 不起作用，因为 MARGIN 只能设置为 1 或 2。我尝试使用 2 个 for 循环，如下所示

gcm.res.outputM <- filebacked.big.matrix(10958, 52598, separated = FALSE, backingfile = "gcm.res.outputM.bin", backingpath = NULL, descriptorfile = "gcm.res.outputM.desc", binarydescriptor = FALSE)

for(i in 1:10958){
   for(j in 1:52598){
    t <- rbind(gcm.res.output1[i,j], gcm.res.output2[i,j],gcm.res.output3[i,j], gcm.res.output4[i,j],
           gcm.res.output5[i,j], gcm.res.output6[i,j],gcm.res.output7[i,j], gcm.res.output8[i,j],
           gcm.res.output9[i,j], gcm.res.output10[i,j],gcm.res.output11[i,j], gcm.res.output12[i,j],
           gcm.res.output13[i,j], gcm.res.output14[i,j],gcm.res.output15[i,j], gcm.res.output16[i,j],
           gcm.res.output17[i,j])
    tM <- apply(t, 2, mean, na.rm = TRUE)
    gcm.res.outputM[i,j] <- tM
    }
}

每行 i 大约需要 1.5 分钟，因此运行大约 11 天。

有人对如何加快计算速度有任何想法吗？我正在使用具有 16GB RAM 的 64x Windows10 机器。

谢谢！

【问题讨论】：

看看这个winvector.github.io/Accumulation。使用data.table 包可能会有所帮助
有很多方法可以做到这一点。您可以在 Rcpp 中实现它，或者对所有矩阵的列块使用 R 函数，或者将矩阵一一相加。这些解决方案是在易于实施、速度有多快和使用多少内存之间进行权衡。你有多少内存？
感谢您的 cmets。 @F Privé，我有 16GB 的 RAM。使用 big.matrix 对象的优点是我不必将整个矩阵直接加载到 RAM 中。我能做的是在当时对整行值进行上述计算，从而摆脱第二个 for 循环。如果您有更多建议，我很乐意听到！

标签： r bigdata r-bigmemory

【解决方案1】：

您可以使用此 Rcpp 代码：

// [[Rcpp::depends(BH, bigmemory, RcppEigen)]]
#include <bigmemory/MatrixAccessor.hpp>
#include <RcppEigen.h>
using namespace Eigen;
using namespace Rcpp;

// [[Rcpp::export]]
void add_to(XPtr<BigMatrix> xptr_from, XPtr<BigMatrix> xptr_to) {

  Map<MatrixXd> bm_from((double *)xptr_from->matrix(),
                        xptr_from->nrow(), xptr_from->ncol());
  Map<MatrixXd> bm_to((double *)xptr_to->matrix(),
                      xptr_to->nrow(), xptr_to->ncol());

  bm_to += bm_from;
}

// [[Rcpp::export]]
void div_by(XPtr<BigMatrix> xptr, double val) {

  Map<MatrixXd> bm((double *)xptr->matrix(),
                   xptr->nrow(), xptr->ncol());

  bm /= val;
}

如果你有一个大小相同的 big.matrix 对象列表，你可以这样做：

library(bigmemory)
bm_list <- lapply(1:5, function(i) big.matrix(1000, 500, init = i))
res <- deepcopy(bm_list[[1]])
lapply(bm_list[-1], function(bm) add_to(bm@address, res@address))
res[1:5, 1:5]  # verif
div_by(res@address, length(bm_list))
res[1:5, 1:5]  # verif

【讨论】：

上面的代码确实很有帮助，但是当存在 NA 值时我很难使用它。我可以在 Rcpp 中包含类似于“na.rm = TRUE”的内容吗？
我认为您将无法使用（或调整）缺少值的代码。请针对您的新问题提出另一个问题。