矩阵包中的提取速度与常规矩阵类相比非常缓慢

Question

这是一个使用Matrix package与常规类比较大型矩阵（稀疏和密集）的行提取的示例。

对于稠密矩阵速度为基类matrix快几乎395倍：

library(Matrix) 
library(microbenchmark) 

## row extraction in dense matrices 
D1<-matrix(rnorm(2000^2), 2000, 2000) 
D2<-Matrix(D1) 
> microbenchmark(D1[1,], D2[1,]) 
Unit: microseconds 
    expr  min  lq  mean median  uq  max neval 
D1[1, ] 14.437 15.9205 31.72903 31.4835 46.907 75.101 100 
D2[1, ] 5730.730 5744.0130 5905.11338 5777.3570 5851.083 7447.118 100 

对于稀疏矩阵是赞成matrix几乎63倍一次。

## row extraction in sparse matrices 
S1<-matrix(1*(runif(2000^2)<0.1), 2000, 2000) 
S2<-Matrix(S1, sparse = TRUE) 
microbenchmark(S1[1,], S2[1,]) 
Unit: microseconds 
    expr  min  lq  mean median  uq  max neval 
S1[1, ] 15.225 16.417 28.15698 17.7655 42.9905 45.692 100 
S2[1, ] 1652.362 1670.507 1771.51695 1774.1180 1787.0410 5241.863 100 

为什么速度差异，以及有没有办法在Matrix包装加快提取？

Answer 1

我不知道究竟是什么问题，可能是S4派遣（这可能是一个像这样的小调用的大片）。通过（1）切换到行主格式和（2）编写我自己的专用存取器函数，我能够获得与matrix（它有一个非常容易的工作，索引+访问连续的内存块）相当的性能。我并不确切地知道你想要做什么，或者这将是值得的麻烦......

设置例如：

set.seed(101) 
S1 <- matrix(1*(runif(2000^2)<0.1), 2000, 2000) 

转换为列为主（dgCMatrix）和行主（ dgRMatrix）形式：

library(Matrix) 
S2C <- Matrix(S1, sparse = TRUE) 
S2R <- as(S1,"dgRMatrix") 

自定义访问：

my_row_extract <- function(m,i=1) { 
    r <- numeric(ncol(m)) ## set up zero vector for results 
    inds <- seq(m@p[i]+1,m@p[i+1]) ## find indices 
    r[m@j[inds]+1] <- m@x[inds]  ## set values 
    return(r) 
} 

检查平等跨方法的结果（所有TRUE）的：

all.equal(S2C[1,],S1[1,]) 
all.equal(S2C[1,],S2R[1,]) 
all.equal(my_row_extract(S2R,1),S2R[1,]) 
all.equal(my_row_extract(S2R,17),S2R[17,]) 

基准：

benchmark(S1[1,], S2C[1,], S2R[1,], my_row_extract(S2R,1), 
      columns=c("test","elapsed","relative")) 
##      test elapsed relative 
## 4 my_row_extract(S2R, 1) 0.015 1.154 
## 1    S1[1, ] 0.013 1.000 
## 2    S2C[1, ] 0.563 43.308 
## 3    S2R[1, ] 4.113 316.385 

专用提取与基础基质的竞争力。即使对于行提取（令人惊讶），它也是超慢的。然而，?"dgRMatrix-class"确实说

注：稀疏类，例如，“dgCMatrix”，是优选的，更好的支持在“矩阵”包列取向。