將矩陣列與矢量元素相乘的最快方法R

我有一個矩陣m和一個矢量v。我想將矩陣m的第一列乘以矢量v的第一個元素，並將矩陣m的第二列乘以矢量v的第二個元素，依此類推。我可以用下面的代碼來完成，但我正在尋找一種不需要兩次轉置調用的方法。我如何在R中更快地做到這一點？將矩陣列與矢量元素相乘的最快方法R

m <- matrix(rnorm(120000), ncol=6) 
v <- c(1.5, 3.5, 4.5, 5.5, 6.5, 7.5) 

system.time(t(t(m) * v)) 

# user system elapsed 
# 0.02 0.00 0.02

來源

2013-06-13 rose

相關：http://stackoverflow.com/q/3643555/946850 – krlmlr

使用一些線性代數和執行矩陣乘法，這是相當快R。

如

m %*% diag(v)

一些基準

m = matrix(rnorm(1200000), ncol=6) 

v=c(1.5, 3.5, 4.5, 5.5, 6.5, 7.5) 
library(microbenchmark) 
microbenchmark(m %*% diag(v), t(t(m) * v)) 
## Unit: milliseconds 
##   expr  min  lq median  uq  max neval 
## m %*% diag(v) 16.57174 16.78104 16.86427 23.13121 109.9006 100 
##  t(t(m) * v) 26.21470 26.59049 32.40829 35.38097 122.9351 100

來源

2013-06-13 06:20:04 mnel

Tha的權利，只是它應該是microbenchmark（m％*％diag（v），t（t（m）* v）） – rose

事實上，更改@rose – mnel

我發現結果很大程度上取決於'v'。對於較短的'v'，'diag（）'選項更快，但最終雙轉置獲勝。 – krlmlr

正如@Arun指出的那樣，我不知道你會在時間效率方面超越你的解決方案。在代碼的可理解性方面，還有其他的選擇，但：

一個選項：

> mapply("*",as.data.frame(m),v) 
     V1 V2 V3 
[1,] 0.0 0.0 0.0 
[2,] 1.5 0.0 0.0 
[3,] 1.5 3.5 0.0 
[4,] 1.5 3.5 4.5

而另：

sapply(1:ncol(m),function(x) m[,x] * v[x])

來源

2013-06-13 06:02:30 thelatemail

我懷疑這會比在矩陣上工作要快（特別是你的第一個解決方案）。 – Arun

當我檢查大樣本的system.time時，它們之間沒有區別，它不會更快。 – rose

@rose - 儘管提供了替代方案，但我同意Arun的意見。我不確定't（t（..'解決方案 – thelatemail

如果你有一個更大的列數你的T（T（M）* v）溶液優於通過廣泛的矩陣乘法解決方案保證金。不過，有一個更快的解決方案，但它的內存使用成本很高。使用rep（）創建一個與m相同的矩陣並乘以元素。這裏的比較，修改MNEL的例子：

m = matrix(rnorm(1200000), ncol=600) 
v = rep(c(1.5, 3.5, 4.5, 5.5, 6.5, 7.5), length = ncol(m)) 
library(microbenchmark) 

microbenchmark(t(t(m) * v), 
    m %*% diag(v), 
    m * rep(v, rep.int(nrow(m),length(v))), 
    m * rep(v, rep(nrow(m),length(v))), 
    m * rep(v, each = nrow(m))) 

# Unit: milliseconds 
#         expr  min   lq  mean  median   uq  max neval 
#       t(t(m) * v) 17.682257 18.807218 20.574513 19.239350 19.818331 62.63947 100 
#       m %*% diag(v) 415.573110 417.835574 421.226179 419.061019 420.601778 465.43276 100 
# m * rep(v, rep.int(nrow(m), ncol(m))) 2.597411 2.794915 5.947318 3.276216 3.873842 48.95579 100 
#  m * rep(v, rep(nrow(m), ncol(m))) 2.601701 2.785839 3.707153 2.918994 3.855361 47.48697 100 
#    m * rep(v, each = nrow(m)) 21.766636 21.901935 23.791504 22.351227 23.049006 66.68491 100

正如你可以看到，使用「每個」在代表（）犧牲速度的清晰度。 rep.int和rep之間的區別似乎是可以忽略的，兩個實現在重複運行microbenchmark（）時交換位置。請記住，ncol（m）==長度（v）。

來源

2015-09-02 22:44:44 bluegrue

請注意，雙轉置也至少複製矩陣一次，不知道內存使用是否比僅擴展矩陣好得多，擴展本身可以使用'矩陣（v，nrow = nrow（m），ncol = ncol（m），byrow = TRUE）'。 – krlmlr

關於您編寫的'rep'解決方案「...內存使用成本很高」。 't（m）'不會產生相同的成本，因爲這會創建一個與'm'具有相同元素數量的新矩陣？ – jochen

如bluegrue完成的，一個簡單的代表就足夠，以及執行逐元素乘法。

乘法和求和的次數大幅減少，就好像簡單矩陣乘法與diag()一樣，對於這種情況，可以避免大量的零乘。

m = matrix(rnorm(1200000), ncol=6) 
v=c(1.5, 3.5, 4.5, 5.5, 6.5, 7.5) 
v2 <- rep(v,each=dim(m)[1]) 
library(microbenchmark) 
microbenchmark(m %*% diag(v), t(t(m) * v), m*v2) 

Unit: milliseconds 
      expr  min  lq  mean median  uq  max neval cld 
m %*% diag(v) 11.269890 13.073995 16.424366 16.470435 17.700803 95.78635 100 b 
    t(t(m) * v) 9.794000 11.226271 14.018568 12.995839 15.010730 88.90111 100 b 
     m * v2 2.322188 2.559024 3.777874 3.011185 3.410848 67.26368 100 a

來源

2017-03-05 14:17:04 Druss2k

爲了完整起見，我將sweep添加到基準。儘管有點誤導屬性名，我認爲這可能是比其他替代更具可讀性，也相當快：

n = 1000 
M = matrix(rnorm(2 * n * n), nrow = n) 
v = rnorm(2 * n) 

microbenchmark::microbenchmark(
    M * rep(v, rep.int(nrow(M), length(v))), 
    sweep(M, MARGIN = 2, STATS = v, FUN = `*`), 
    t(t(M) * v), 
    M * rep(v, each = nrow(M)), 
    M %*% diag(v) 
) 

Unit: milliseconds 
             expr   min   lq  mean 
    M * rep(v, rep.int(nrow(M), length(v))) 5.259957 5.535376 9.994405 
sweep(M, MARGIN = 2, STATS = v, FUN = `*`) 16.083039 17.260790 22.724433 
           t(t(M) * v) 19.547392 20.748929 29.868819 
       M * rep(v, each = nrow(M)) 34.803229 37.088510 41.518962 
           M %*% diag(v) 1827.301864 1876.806506 2004.140725 
     median   uq  max neval 
    6.158703 7.606777 66.21271 100 
    20.479928 23.830074 85.24550 100 
    24.722213 29.222172 92.25538 100 
    39.920664 42.659752 106.70252 100 
1986.152972 2096.172601 2432.88704 100

來源

2018-03-05 13:06:02 mbiron

將矩陣列與矢量元素相乘的最快方法R

回答

相關問題