我正在使用igraph(一个用于随机图的库)在R中开发一个信号传播算法,其中涉及使用2级嵌套列表。
Igraph允许将属性附加到顶点(图的节点),这些属性可以是向量或列表,但在我的应用程序中,我需要嵌套列表。
为了查看,请尝试:
library("igraph")
g <- graph.full(10) # create a fully connected graph with 10 vertices
V(g)$letters <- list(NULL) # adds a list called "letters" to every vertex
V(g)$letters # results in a nested list
我希望在不同的阶段将存储在向量中的一些预定元素添加到给定的第二级列表子集中,其中子集列表的大小与向量相同。
问题是找到一种有效的方法将元素添加到第二级列表中。
目前唯一的更简单的方法是编写循环:
set.seed(1234)
# every iteration represents a "round" of element addition ,
# followed by other operations.
# So the attribute "letters" should not be populated in one sitting.
for (i in 1:10){
# select randomly five 2nd-level lists (vertices) from the 1st-level list
# the selected vertices are generated randomly for exposition,
# but I need to be able to select them from a well-defined vector (sel.ver)
sel.vert <- sample(1:10, 5)
# generate elements to add to the lists in the 2nd-level list (vertices)
# again, i generate them randomly just to fill the vector,
#but the vector could be pre-determined
add.elem <- sample(letters, 5)
# now add add each element to its own list
# notice that the first ELEMENT of add.elem (add.elem[1]) is added
# to the attribute of the first SELECTED vertex (V(g)[sel.vert[1]]$letters,
# the second element of add.elem with the second SELECTED vertex, and so on..
for (l in 1:5){
V(g)[sel.vert[l]]$letters <- list(c(V(g)[sel.vert[l]]$letters, add.elem[l]))
}
}
如果这是一场糟糕的编程实践表演,对有经验的读者表示歉意。
随着初始网络的规模越来越大,并且每次迭代选择更多的顶点(而不是5个),循环会变得非常缓慢。这应该是一个“工作马”,所以我想加快它的速度。
我阅读了给出的答案“Efficiently adding or removing elements to a vector or list in R?”,即尽可能使用向量并预先分配其大小,但我认为这不适用于我的情况,因为:
- 我认为使用igraph时我别无选择,只能使用列表(至少在第一层)
- 在第二层中,列表的最终长度将不同,这取决于随机选择哪些顶点。因此,很难预先分配正确大小的向量。即使我在第二级放置非常大的向量,最初填充为NAs(导致一个向量列表),我也不知道要添加元素的位置(因为任何迭代的列表长度都是随机的),更不用说我需要稍后删除NAs了。
这应该是向嵌套列表中添加元素的特殊情况。因此,我认为,通过在plyr中替换内部循环中的ddply
或do.call
可以实现更快的实现,但我无法编写要应用的函数:获取(内部)列表的元素并添加此新元素(它本身是向量的子集)
任何评论或建议都将不胜感激。希望文章清晰明了。
g
执行一些igraph
操作(即,做一些除了填充V(g)$letters
之外的事情),还是先填充所有的V(g)$letters
数据就可以了? - lockedoff