在R中快速结合逻辑矩阵与&。

Question

我有一个大的逻辑矩阵，需要将每一列与一个向量结合起来，使用的是 & 操作。现在，我正在对列进行循环，但这需要一段时间，因为有超过100万行。有没有更快的，可能是矢量化的方法来完成这个操作？

mx <- replicate(10, sample(c(T,F), size = 1000, replace = T)) # 1000 rows x 10 columns
bool <- sample(c(T,F), size = 1000, replace = T) # 1000 elements

out <- apply(mx1, 2, function(x) {
  x & bool
})

为了便于理解，这个数据来自一个基因表达矩阵，其中1行=1个单元格。

Answer 1

在这种情况下，很容易。

mx & bool

bool 循环使用所有的列 mx

identical(mx & bool, out)

输出。

[1] TRUE

Answer 2

我想你想要的结果是： mx 其中每行 &的各自单值，并将其与 bool. 我觉得你不做任何外在的事情就可以了。

set.seed(42)
mx <- replicate(4, sample(c(T,F), size = 10, replace = T)) # 1000 rows x 10 columns
bool <- sample(c(T,F), size = 10, replace = T) # 1000 elements
cbind(mx, NA, bool)
#                                   bool
#  [1,] FALSE  TRUE FALSE FALSE NA  TRUE
#  [2,] FALSE FALSE  TRUE FALSE NA  TRUE
#  [3,]  TRUE FALSE FALSE  TRUE NA  TRUE
#  [4,] FALSE  TRUE FALSE FALSE NA FALSE
#  [5,] FALSE  TRUE  TRUE  TRUE NA  TRUE
#  [6,] FALSE FALSE FALSE FALSE NA FALSE
#  [7,] FALSE FALSE  TRUE  TRUE NA FALSE
#  [8,]  TRUE  TRUE FALSE  TRUE NA FALSE
#  [9,] FALSE  TRUE  TRUE FALSE NA FALSE
# [10,] FALSE FALSE FALSE FALSE NA FALSE

(出示 cbind的数据，只是为了对准 bool 的每一行的值。mx.)

这样一来，任何带有 bool 假应导致所有 FALSE:

mx & bool
#        [,1]  [,2]  [,3]  [,4]
#  [1,] FALSE  TRUE FALSE FALSE
#  [2,] FALSE FALSE  TRUE FALSE
#  [3,]  TRUE FALSE FALSE  TRUE
#  [4,] FALSE FALSE FALSE FALSE
#  [5,] FALSE  TRUE  TRUE  TRUE
#  [6,] FALSE FALSE FALSE FALSE
#  [7,] FALSE FALSE FALSE FALSE
#  [8,] FALSE FALSE FALSE FALSE
#  [9,] FALSE FALSE FALSE FALSE
# [10,] FALSE FALSE FALSE FALSE

验证。

out <- apply(mx, 2, function(x) x & bool)
identical(out, mx & bool)
# [1] TRUE
microbenchmark::microbenchmark(apply(mx, 2, function(x) x & bool), mx & bool)
# Unit: nanoseconds
#                                expr   min    lq  mean median    uq     max neval
#  apply(mx, 2, function(x) x & bool) 31100 32400 53029  34400 39750 1644700   100
#                           mx & bool   400   600   824    700   900    3200   100

使用你的大矩阵。

mx <- replicate(10, sample(c(T,F), size = 1000, replace = T)) # 1000 rows x 10 columns
bool <- sample(c(T,F), size = 1000, replace = T) # 1000 elements
dim(mx)
# [1] 1000   10
length(bool)
# [1] 1000

microbenchmark::microbenchmark(apply(mx, 2, function(x) x & bool), mx & bool)
# Unit: microseconds
#                                expr   min     lq    mean median     uq    max neval
#  apply(mx, 2, function(x) x & bool) 336.1 489.70 621.647 605.25 696.05 1999.9   100
#                           mx & bool  65.0  94.25 135.260 129.20 159.50  385.4   100

Answer 3

你可以尝试使用data.table软件包。

n <- 1000000
mx <- replicate(10, sample(c(T,F), size = n, replace = T)) # n rows x 10 columns
bool <- sample(c(T,F), size = n, replace = T) # n elements

# original solution
system.time(
  out <- apply(mx, 2, function(x) {
    x & bool
  })
)

# user  system elapsed 
# 0.20    0.02    0.22 


# using data.table, approx. half the time
dt <- data.table(mx)

system.time(
  out2 <- dt[, lapply(.SD, function(x){x & bool})]
)

# user  system elapsed 
# 0.11    0.00    0.11