Valores de índice de una matriz usando fila, col indicies

Question

Esto es probablemente simple de resolver. Tengo una matriz 2D mat con 500 filas × 335 columnas y un data.frame dat con 120425 filas. El data.frame dat tiene dos columnas I y J, que son números enteros para indexar la fila, columna de mat. Me gustaría agregar los valores de mat a las filas de dat.

Aquí es mi conceptual fallan:

> dat$matval <- mat[dat$I, dat$J] 
Error: cannot allocate vector of length 1617278737 

(estoy usando R 2.13.1 en Win32). Profundizando un poco más, veo que mal uso de la indexación matricial, ya que parece que solo obtengo una submatriz de mat, y no una matriz de valores de una dimensión como esperaba, es decir:

> str(mat[dat$I[1:100], dat$J[1:100]]) 
int [1:100, 1:100] 20 1 1 1 20 1 1 1 1 1 ... 

Esperaba algo como int [1:100] 20 1 1 1 20 1 1 1 1 1 .... ¿Cuál es la forma correcta de indexar una matriz 2D usando índices de fila, columna para obtener los valores?

Answer 1

Casi. Necesita ser ofrecido a "[" como una matriz de dos columnas:

dat$matval <- mat[ cbind(dat$I, dat$J) ] # should do it. 

hay una advertencia: Aunque esto también funciona para tramas de datos, que son obligados en primer lugar a la matriz de clase y si hay alguno no numérico, el toda la matriz se convierte en la clase de "menor denominador".

Answer 2

Usando una matriz de índice como sugiere Dwin es por supuesto mucho más limpio, pero por alguna extraña razón hacerlo de forma manual utilizando los índices 1-D es en realidad un poco más rápido:

# Huge sample data 
mat <- matrix(sin(1:1e7), ncol=1000) 
dat <- data.frame(I=sample.int(nrow(mat), 1e7, rep=T), 
        J=sample.int(ncol(mat), 1e7, rep=T)) 

system.time(x <- mat[cbind(dat$I, dat$J)])  # 0.51 seconds 
system.time(mat[dat$I + (dat$J-1L)*nrow(mat)]) # 0.44 seconds 

La parte dat$I + (dat$J-1L)*nrow(m) convierte el 2- D índices en uno-D. El 1L es la forma de especificar un número entero en lugar de un valor doble. Esto evita algunas coerciones.

... También probé la solución basada en la aplicación de gsk3. Es casi 500 veces más lento sin embargo:

system.time(apply(dat, 1, function(x,mat) mat[ x[1], x[2] ], mat=mat)) # 212 

Answer 3

Aquí hay una sola línea usando apply 's operaciones basados ​​en filas

> dat <- as.data.frame(matrix(rep(seq(4),4),ncol=2)) 
> colnames(dat) <- c('I','J') 
> dat 
    I J 
1 1 1 
2 2 2 
3 3 3 
4 4 4 
5 1 1 
6 2 2 
7 3 3 
8 4 4 
> mat <- matrix(seq(16),ncol=4) 
> mat 
    [,1] [,2] [,3] [,4] 
[1,] 1 5 9 13 
[2,] 2 6 10 14 
[3,] 3 7 11 15 
[4,] 4 8 12 16 

> dat$K <- apply(dat, 1, function(x,mat) mat[ x[1], x[2] ], mat=mat) 
> dat 
    I J K 
1 1 1 1 
2 2 2 6 
3 3 3 11 
4 4 4 16 
5 1 1 1 
6 2 2 6 
7 3 3 11 
8 4 4 16 

Answer 4

n <- 10 
mat <- cor(matrix(rnorm(n*n),n,n)) 
ix <- matrix(NA,n*(n-1)/2,2) 
k<-0 
for (i in 1:(n-1)){ 
    for (j in (i+1):n){ 
    k <- k+1 
    ix[k,1]<-i 
    ix[k,2]<-j 
    } 
} 
o <- rep(NA,nrow(ix)) 
o <- mat[ix] 
out <- cbind(ix,o)