如何使用向量值填充索引矩阵

Question

我有一个矩阵(m.idx)，其中包含我想要索引的向量的位置元素。

> m.idx
     [,1] [,2] [,3] [,4] [,5]
[1,]    1    2    3    4    5
[2,]    3    4    5    6    7
[3,]    5    6    7    8    9

假设 x 是我的向量。

x <- c(9,3,2,5,3,2,4,8,9)

我希望将矩阵索引重新填充为与x相应位置的元素。

因此，我会得到...

> m.pop
     [,1] [,2] [,3] [,4] [,5]
[1,]    9    3    2    5    3
[2,]    2    5    3    2    4
[3,]    3    2    4    8    9

我可以通过以下方法以一种不太优雅的方式完成它。

> m.pop <- t(matrix(t(matrix(x[c(t(m.idx))])),ncol(m.idx),nrow(m.idx)))

> m.pop
     [,1] [,2] [,3] [,4] [,5]
[1,]    9    3    2    5    3
[2,]    2    5    3    2    4
[3,]    3    2    4    8    9

但似乎有一种更简单的方法来索引这些值。最佳（且适用于大型数据集的）方式是什么？

- pat

---

你的矩阵有多大？我已经在我的答案中添加了一些基准测试。 - A5C1D2H2I1M1N2O1R2T1

我现在正在查看大约5千行100列的数据。但随着规模的扩大，您的答案可能会很有用 - 感谢提供基准。我的笨拙方法出现在最后，正如我所预期的那样。 - pat

Answer 1

matrix(x[m.idx],ncol=5)

     [,1] [,2] [,3] [,4] [,5]
[1,]    9    3    2    5    3
[2,]    2    5    3    2    4
[3,]    3    2    4    8    9

- DatamineR

---

这实际上是一个非常好的答案，因为它不会覆盖原始的 m.idx 矩阵。 - thelatemail

Answer 2

如何呢：

m.idx[] <- x[m.idx]
m.idx
#      [,1] [,2] [,3] [,4] [,5]
# [1,]    9    3    2    5    3
# [2,]    2    5    3    2    4
# [3,]    3    2    4    8    9

或者如果您不想覆盖m.idx矩阵，您可以选择这样做：

m.pop <- m.idx
m.pop[] <- x[m.pop]

---

新增：

另一种方法是使用structure，速度也非常快：

structure(x[m.idx], .Dim = dim(m.idx))
#      [,1] [,2] [,3] [,4] [,5]
# [1,]    9    3    2    5    3
# [2,]    2    5    3    2    4
# [3,]    3    2    4    8    9

当应用于 Ananda Mahto 答案中的大型 m.idx矩阵时，我的机器上的时间如下：

fun5 <- function() structure(x[m.idx], .Dim = dim(m.idx))
microbenchmark(fun1(), fun2(), fun3(), fun4(), fun5(), times = 10)
# Unit: milliseconds
#    expr       min        lq    median        uq       max neval
#  fun1()  303.3473  307.2064  309.2275  352.5076  353.6911    10
#  fun2()  548.0928  555.3363  587.6144  593.4492  596.5611    10
#  fun3()  480.6181  487.5807  507.5960  529.9696  533.0403    10
#  fun4() 1222.6718 1231.3384 1259.8395 1269.6629 1292.2309    10
#  fun5()  401.8450  403.7216  432.7162  455.4638  487.1755    10
identical(fun1(), fun5())
# [1] TRUE

你可以看到，就速度而言，结构实际上并不算太差。

- Rich Scriven

---

这比我的\dim<-``废话好多了。+1 - A5C1D2H2I1M1N2O1R2T1

Answer 3

也许你可以在匹配向量/矩阵后直接使用dim：

`dim<-`(x[m.idx], dim(m.idx))
#      [,1] [,2] [,3] [,4] [,5]
# [1,]    9    3    2    5    3
# [2,]    2    5    3    2    4
# [3,]    3    2    4    8    9

---

x[m.idx] 会给你所需要的值：

> x[m.idx]
 [1] 9 2 3 3 5 2 2 3 4 5 2 8 3 4 9

而且，由于这应该以与原始内容相同的尺寸返回，因此您只需将相同的dim重新分配即可。

---

为了好玩，一些计时：

fun1 <- function() `dim<-`(x[m.idx], dim(m.idx))
fun2 <- function() { m.idx[] <- x[m.idx]; m.idx }
fun3 <- function() matrix(x[m.idx], ncol = ncol(m.idx))
fun4 <- function() t(matrix(t(matrix(x[c(t(m.idx))])),ncol(m.idx),nrow(m.idx)))

m.idx <- matrix(c(1, 2, 3, 4, 5, 
                  3, 4, 5, 6, 7, 
                  5, 6, 7, 8, 9), 
                nrow = 3, byrow = TRUE)
x <- c(9, 3, 2, 5, 3, 2, 4, 8, 9)

set.seed(1)
nrow = 10000  ## Adjust nrow and ncol to test different sizes
ncol = 1000
m.idx <- matrix(sample(unique(m.idx), nrow*ncol, TRUE), ncol = ncol)
library(microbenchmark)

microbenchmark(fun1(), fun2(), fun3(), fun4(), times = 10)
# Unit: milliseconds
#    expr       min        lq    median        uq       max neval
#  fun1()  388.7123  403.3614  419.5792  475.7645  553.3420    10
#  fun2()  800.5524  838.2398  872.8189  912.1007  978.1500    10
#  fun3()  694.1511  720.5165  737.9900  799.5069  876.2552    10
#  fun4() 1941.1999 2022.6578 2095.1537 2175.4864 2341.3900    10

- A5C1D2H2I1M1N2O1R2T1

---

可能比其他答案更有效率，但是任何使用dim<-作为函数的方法对我来说都有点神秘... - Ben Bolker

@BenBolker，我认为Richard的回答最恰当。 - A5C1D2H2I1M1N2O1R2T1

但是你的确更有效率（如果这真的有所区别...我猜这里给出的任何三个答案都足够好，以至于这一步不会成为任何计算的瓶颈）。 - Ben Bolker

为了比起原先快5毫秒，以下是有关编程的内容的翻译： - Rich Scriven

@RichardScriven，我同意这有点荒谬，但在测试了几个不同的尺寸后，它基本上始终快大约2倍，这可能会有所不同。 - A5C1D2H2I1M1N2O1R2T1