R合并循环性能答案

【问题标题】：R merged loop performanceR合并循环性能
【发布时间】：2016-11-22 09:58:19
【问题描述】：

我有 4000 列的 2000 行数据。我要做的是将每一行与其余行进行比较，看看它们在不同列/总列方面有多相似。

到目前为止我所做的如下：

for (i in 1:nrow(data))
{
    for (j in (i+1):nrow(data))
    { 
        mycount[[i,j]] = length(which(data[i,] != data[j,]))
    }
}

~~它有2个问题，j不是从i+1开始的（这可能是一个基本错误）~~ 然而，主要问题是它消耗的时间，它需要很长时间......

有人可以建议一种更合适的方法来获得相同的结果，结果是每行与其他行的相似度百分比吗？

这是一个数据示例以及我想要实现的目标：

输出应该是这样的：

mycount[1,2] = 2 (S# and var3 columns are different)
mycount[1,3] = 2 (S# and var1 columns are different)
mycount[1,4] = 2 (S# and var4 columns are different)
mycount[2,3] = ...
mycount[2,4] = ...
mycount[3,4] =  3 (S#, var1 and var 4 are different)

【问题讨论】：

所以你想将每一行与它正下方的行进行比较，看看它是否相同？
不是从i+1开始是因为i+1:nrow(data)，读作i + 1:nrow(data)需要加括号：(i+1):nrow(data)。
你能加一个reproducible example吗？
@sebastian-c;不只是下面的那一行，而是剩下的所有行
@MarijnStevering 谢谢，更正了那个

标签： r performance compare similarity

【解决方案1】：

代码中的一个问题是mycount[[i]] 的值在j 循环的每次迭代中都会更新（之前的值被覆盖）所以你最终得到的是mycount[[i]] 等于length(which(data[i,] != data[nrow(data),])) .另一个问题是i+1:nrow(data) 不会产生数字i+1, i+2, ... nrow(data) 而是i + (1:nrow(data))。所以你想要的是(i + 1):nrow(data) 或seq(i + 1, nrow(data))。

你可以试试下面的代码，会比双循环快（不过可能还是太慢了）

rows <- lapply(seq(nrow(data)), function(i) data[i, ])
outer(X = rows, Y = rows, FUN = Vectorize(function(x, y) sum(x == y)))

【讨论】：