Tengo una matriz grande que me gustaría al centro:centrar eficientemente una gran matriz en I
X <- matrix(sample(1:10, 5e+08, replace=TRUE), ncol=10000)
Encontrar el del medio es rápido y eficiente con colMeans:
means <- colMeans(X)
Pero lo que es una buena (rápida y eficiente en la memoria) forma de restar la media respectiva de cada columna? Esto funciona, pero no se siente bien:
for (i in 1:length(means)){
X[,i] <- X[,i]-means[i]
}
¿Hay una manera mejor?
/editar: He aquí una modificación de los puntos de referencia los diversos Dwin escribió, en una matriz más grande, incluyendo el otro publicado sugerencias:
require(rbenchmark)
X <- matrix(sample(1:10, 5e+07, replace=TRUE), ncol=10000)
frlp.c <- compiler:::cmpfun(function(mat){
means <- colMeans(mat)
for (i in 1:length(means)){
mat[,i] <- mat[,i]-means[i]
}
return(mat)
})
mat.c <- compiler:::cmpfun(function(mat){
t(t(X) - colMeans(X))
})
swp.c <- compiler:::cmpfun(function(mat){
sweep(mat, 2, colMeans(mat), FUN='-')
})
scl.c <- compiler:::cmpfun(function(mat){
scale(mat, scale=FALSE)
})
matmult.c <- compiler:::cmpfun(function(mat){
mat-rep(1, nrow(mat)) %*% t(colMeans(mat))
})
benchmark(
frlp.c=frlp.c(X),
mat=mat.c(X),
swp=swp.c(X),
scl=scl.c(X),
matmult=matmult.c(X),
replications=10,
order=c('replications', 'elapsed'))
La función matMult parece ser nuevo ganador! Realmente quiero probar esto en una matriz de elementos 5e + 08, pero me quedo sin memoria RAM.
test replications elapsed relative user.self sys.self user.child sys.child
5 matmult 10 11.98 1.000 7.47 4.47 NA NA
1 frlp.c 10 35.05 2.926 31.66 3.32 NA NA
2 mat 10 50.56 4.220 44.52 5.67 NA NA
4 scl 10 58.86 4.913 50.26 8.42 NA NA
3 swp 10 61.25 5.113 51.98 8.64 NA NA
Tal vez la función 'scale' podría ayudarlo. Ver '? Escala'. Otra función útil podría ser 'sweep'. –
@Jiber: la función de escala es mucho más lenta que el ciclo for anterior. Barrer debería funcionar, gracias! – Zach
¿Quién es 'wuber'? La función 'benchmark' fue escrita por Wacek Kusnierczyk. –