经过几个小时的搜索,我将转向您的专业知识。R的初学者,我尝试加快代码速度。我的目标是替换矩阵中的值A
。但是,我想替换基于另一个矩阵的两个向量的值B
。B[, 1]
是i
矩阵的行的名称A
。第二列B[, 2]
对应于matrix的列名称A
。
我的代码的第一个版本是在循环中使用match函数。
for(k in 1:L){
i <- B[k,1]
j <- B[k,2]
d <- match(i,rownames(A))
e <- match(j,colnames(A))
A[d, e] <- 0
}
第二个版本允许我加快一点:
for( k in 1:L) {
A[match(B[k,1],rownames(A)), match(B[k,2],colnames(A))] <- 0
}
但是,处理时间太长,太长。所以我想使用该apply
功能。为此,我必须apply
在各行中使用的向量B
。
使用apply
函数是个好方法吗?还是我走错路了?
在我看来,您可以A[B[, 1:2]] <- 0
通过使用矩阵索引的强大功能轻松完成。
例如,A[cbind(1:4, 1:4)] <- 0
将代替A[1,1]
,A[2,2]
,A[3,3]
和A[4,4]
为0。事实上,如果A
有“dimnames”属性(以下简称“rownames”和“colnames”你指的),我们还可以使用字符串作为索引。
可复制的例子
A <- matrix(1:16, 4, 4, dimnames = list(letters[1:4], LETTERS[1:4]))
# A B C D
#a 1 5 9 13
#b 2 6 10 14
#c 3 7 11 15
#d 4 8 12 16
set.seed(0); B <- cbind(sample(letters[1:4])), sample(LETTERS[1:4]))
# [,1] [,2]
#[1,] "d" "D"
#[2,] "a" "A"
#[3,] "c" "B"
#[4,] "b" "C"
## since `B` has just 2 columns, we can use `B` rather than `B[, 1:2]`
A[B] <- 0
# A B C D
#a 0 5 9 13
#b 2 6 0 14
#c 3 0 11 15
#d 4 8 12 0
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句