在R中与Matlab的bsxfun(@times,...,...)等价的函数是什么？

Question

在R中与Matlab的bsxfun(@times,...,...)等价的函数是什么？

4

R是否有与Matlab的bsxfun(@times,a,b)等效的功能？假设想要在矩阵a，b上执行逐元素乘法：

Matlab：

a=[1 0 3 -4];
b=[0 1 5 7; 2 9 -3 4];

bsxfun(@times,a,b) = [0 0 15 -28; 2 0 -9 -16]

R:

a<-c(1,0,3,-4)
b<-matrix(c(0,2,1,9,5,-3,7,4),nrow = 2,ncol = 4)

a * b = matrix(c(0,0,3,-36,5,0,21,-16),nrow = 2,ncol = 4)

你有没有想过 R 是如何得到上述a*b的结果的，因为我本来期望它与Matlab中的 bsxfun(@times,a,b) 完全相同。

编辑：

bsxfun("*",repmat(a,2,1),b) # using R {pracma}

最好的

- owner

只是为了澄清：实际上（使用基本的R方法）回答问题的答案实际上在下面被接受的答案的_注释_中：使用sweep函数。 - Hugo Raguet

（它在2016年被添加到答案正文中。） - IRTFM

3个回答

2

从执行速度的角度来看，“bsxfun”和“sweep”两种方法都不是最优的。实际上，“bsxfun”的性能非常差，对于非玩具应用程序似乎毫无用处。

在我的基准测试中，最快的方法是：

matrix(a, ncol = n_col, nrow = nsample, byrow = TRUE) * b

sweep() 在矩阵大小增加时变得更有竞争力，但即使对于中等大小的矩阵（1e6-by-4），它所需的时间也是双倍的。

以下是完整的基准测试结果

# test of recycling efficiency

rm(list=ls())

library(microbenchmark)
library(pracma)

a = c(1,0,3,-4)
n_col = 4

# make example more realistic by expanding number of rows of b
nsample = 1e3
b = repmat(matrix(c(0,2,1,9,5,-3,7,4),nrow = 2,ncol = n_col), nsample / 2, 1)

print(microbenchmark(
  erg_1 = matrix(a, ncol = n_col,  nrow = nsample, byrow = TRUE) * b,
  erg_2 = matrix(rep.int(a, nsample), nrow = nsample, ncol = n_col, byrow = TRUE) * b,
  erg_3 = matrix(a * c(t(b)), nrow = nsample, ncol = n_col, byrow = TRUE),
  erg_4 = sweep(b, 2, a, '*'),
  erg_5 = bsxfun('*', repmat(a, nsample, 1), b) 
  ))


#same as above but now larger matrices
nsample = 1e6
b = repmat(matrix(c(0,2,1,9,5,-3,7,4),nrow = 2,ncol = n_col), nsample / 2, 1)

print(microbenchmark(
  erg_1 = matrix(a, ncol = n_col,  nrow = nsample, byrow = TRUE) * b,
  erg_2 = matrix(rep.int(a, nsample), nrow = nsample, ncol = n_col, byrow = TRUE) * b,
  erg_3 = matrix(a + c(t(b)), nrow = nsample, ncol = n_col, byrow = TRUE),
  erg_4 = sweep(b, 2, a, '*')
  #erg_5 = bsxfun('*', repmat(a, nsample, 1), b) #bsxfun is non-competitive
))

>Unit: microseconds
  expr      min        lq       mean    median        uq      max neval
 erg_1    9.057   10.1135   11.93394   11.0195   12.6790   36.226   100
 erg_2   14.189   15.3970   18.75324   16.9060   19.9250   41.358   100
 erg_3   26.263   28.8295   35.04538   30.9430   34.8675   86.941   100
 erg_4   40.452   44.0750   56.88289   51.4705   66.4130  109.279   100
 erg_5 2694.827 2968.4755 3243.76025 3208.9185 3417.5125 5575.306   100
>Unit: milliseconds
  expr      min       lq     mean   median       uq      max neval
 erg_1 10.85538 11.30668 20.58625 12.93408 13.28290 69.17918   100
 erg_2 16.07206 18.00058 29.17394 18.24751 20.09845 75.30993   100
 erg_3 22.41231 24.58957 30.83620 24.99544 26.49047 79.71910   100
 erg_4 20.74838 21.53673 29.52071 22.88867 23.30420 81.07150   100

- g g

R和其包是开源的。显然，没有人想到通知“pracma”的维护者有更好的版本或提供一些代码。好习惯都去哪了？ - Hans W.

0

更新：确实存在一些问题，例如sweep在处理（1,10,2）这样的形状时会出现错误。因此，我又写了另一个基于sweep的实现。由于重新转换的原因，速度有所降低，但仍然比之前快4倍。该实现已经上传到github存储库bsxfun.R（基准测试取自@g g）

我想缩写要被扫描的MARGIN，但是pracma::bsxfun（）没有使用sweep()。因此，我编写了以下代码（请参见github链接），希望没有错误。

标签：R，pracma，数组

- shouldsee

R和其包是开源的。显然，没有人想到通知“pracma”的维护者有更好的版本或提供一些代码。好习惯都去哪了？ - Hans W.

作为一名新手程序员，我现在大多数问题都在 StackOverflow 上提问。也许我们应该鼓励包维护者监控这个论坛以寻求可能的改进。 - shouldsee

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- IRTFM · Accepted Answer

使用列主元矩阵进行操作，因为这是R语言的惯用法：

> b<-matrix(c(0,2,1,9,5,-3,7,4),nrow = 4,ncol = 2)
> a*b
     [,1] [,2]
[1,]    0    5
[2,]    0    0
[3,]    3   21
[4,]  -36  -16

如果你使用原始的构造 b ，当你尝试使用 sweep时，你会遇到一个不太愉快的惊喜：

> b2<-matrix(c(0,2,1,9,5,-3,7,4),nrow = 2,ncol = 4)
> sweep(b2, 2, a, '*')
     [,1] [,2] [,3] [,4]
[1,]    0    0   15  -28
[2,]    2    0   -9  -16

由于matrix函数使用列主要填充位置，且您在其调用中未指定byrow=TRUE，因此b矩阵与您的Matlab矩阵不同。

> b3<-matrix(c(0,2,1,9,5,-3,7,4),nrow = 2,ncol = 4, byrow=TRUE)
> sweep(b3, 2, a, '*')
     [,1] [,2] [,3] [,4]
[1,]    0    0    3  -36
[2,]    5    0   21  -16