对矩阵使用 apply 而不是循环答案

【问题标题】：Use of apply instead of loops for a matrix对矩阵使用 apply 而不是循环
【发布时间】：2016-01-15 22:57:28
【问题描述】：

我有一个包含 150 列和 100.000 行的矩阵 (all_parameters)。该矩阵中每个数据元素的值为“1”。现在，如果满足以下条件，我想将这些值替换为“0”：

列名 10, 14, 27 行名以“T1_”开头

我有以下工作正常的循环：

T1_missing = c(10,14,27)

for(i in 1:ncol(all_parameters)) {
  if (any(T1_missing == as.integer(colnames(all_parameters)[i]))) { 
    for(j in 1:nrow(all_parameters)) {
      if(grepl("^T1_", rownames(all_parameters)[j])) {
        all_parameters[j,i] <- 0
      }
    }
  }
}

问题在于循环的执行需要非常长的时间。我已经尝试使用 apply 功能，但是我无法使其工作。谁能告诉我如何使用 apply 函数（或其他任何比 for 循环更好更快的方法）来解决这个问题。

感谢您的帮助！

【问题讨论】：

我不确定我是否理解正确，但你为什么要遍历所有列？当然，您可以选择有问题的三列，然后检查这三列的行吗？
是的，我确实可以只检查那三行。但是，我也想在其他条件下执行此代码，我还需要检查其他行（然后通常只检查三行以上）。

标签： r for-loop apply

【解决方案1】：

这只是一个简单的矢量化操作吗：

all_parameters[ grepl("^T1_", rownames(all_parameters) ), T1_missing] <- 0

行上的其他条件将添加&（这可能会使条件更具限制性）或|（包括更多行）。我假设您使用术语“col names”实际上是指通过它们的数字位置来引用它们。使用[ i, j]-operations，您可以将 i 行中的逻辑索引与 j 列中的数字索引混合。（现在用 jbaums 的例子进行了测试：自从他删除后，现在在这里转载：

m <- matrix(1, ncol=30, nrow=12, 
        dimnames=list(paste0('T', rep(1:3, each=4), '_', rep(1:4, 3)),
                      1:30))

【讨论】：

【解决方案2】：

不用apply也可以：

df <- data.frame(`10` = rnorm(3), `7` = head(letters,3), `14` = rnorm(3), 
                 check.names = FALSE, row.names = c('T1_A', 'ABC', 'T1_B'))

##             10 7          14
##T1_A -1.8234804 a  1.31575373
##ABC  -0.4232959 b  0.01400561
##T1_B -1.1252495 c -0.32442049

rows.to.change <- grepl('T1_', rownames(df))

cols.missing <- c(10, 14, 27)
cols.to.change <- as.integer(colnames(df)) %in% cols.missing

df[rows.to.change, cols.to.change] <- 0
##             10 7         14
##T1_A  0.0000000 a 0.00000000
##ABC  -0.4232959 b 0.01400561
##T1_B  0.0000000 c 0.00000000

【讨论】：