等效于MATLAB的reshape（）方法的最快R？

我正在将一个MATLAB脚本转换为R，并对此感到遗憾，因为此刻它速度较慢。我试图尽可能多地使用“矢量化函数”，但我对R相对比较陌生，不知道这是什么意思。如果你使用大量的运算符（包括括号），那么从我的循环研究来说，它只比R中的apply（）方法慢。否则，我不会看到R可以做些什么来进一步减慢它。这是我想要加速的代码。等效于MATLAB的reshape（）方法的最快R？

somPEs <- 9; 
inputPEs <- 6; 
initial_w <- matrix(1, nrow=somPEs, ncol=inputPEs) 
w <- apply(initial_w, 1, function(i) runif(i)); 
# Reshape w to a 3D matrix of dimension: c(sqrt(somPEs), sqrt(somPEs), inputPEs) 
nw <- array(0, dim=c(sqrt(somPEs), sqrt(somPEs), inputPEs)) 
for (i in 1:inputPEs) { 
    nw[,,i] <- matrix(w[i,], nrow=sqrt(somPEs), ncol=sqrt(somPEs), byrow=TRUE) 
} 
w <- nw;

在MATLAB中，该代码是由被称为“重塑”一个内置的功能执行，如按以下步骤进行：

w = reshape(w,[sqrt(somPEs) sqrt(somPEs) inputPEs]);

我计时我的当前R代码，它实际上是超快速，但我仍然想了解矢量化以及如何将我的代码转换为apply（）以提高可读性。

user system elapsed 
0.003 0.000 0.002

来源

2015-06-21 areyoujokingme

的第一步是你的阵列w从6x9转换为3x3x6大小，而你的情况可以通过调换，然后改变尺寸来完成：

neww <- t(w) 
dim(neww) <- c(sqrt(somPEs), sqrt(somPEs), inputPEs)

这是我们想要的几乎什么除了前两个维度被翻转之外。您可以使用aperm功能移调他们：

neww <- aperm(neww, c(2, 1, 3))

这应该是一个很好的处理速度比通过矩阵循环和排单独复制了数据。看到这一点，让我们来看看一个更大的示例10000行和100列（将映射到10x10x10k矩阵）：

josilber <- function(w) { 
    neww <- t(w) 
    dim(neww) <- c(sqrt(dim(w)[2]), sqrt(dim(w)[2]), dim(w)[1]) 
    aperm(neww, c(2, 1, 3)) 
} 
OP <- function(w) { 
    nw <- array(0, dim=c(sqrt(dim(w)[2]), sqrt(dim(w)[2]), dim(w)[1])) 
    for (i in 1:(dim(w)[1])) { 
    nw[,,i] <- matrix(w[i,], nrow=sqrt(dim(w)[2]), ncol=sqrt(dim(w)[2]), byrow=TRUE) 
    } 
    nw 
} 
bigw <- matrix(runif(1000000), nrow=10000, ncol=100) 
all.equal(josilber(bigw), OP(bigw)) 
# [1] TRUE 
microbenchmark(josilber(bigw), OP(bigw)) 
# Unit: milliseconds 
#   expr  min  lq  mean  median  uq  max neval 
# josilber(bigw) 8.483245 9.08430 14.46876 9.431534 11.76744 135.7204 100 
#  OP(bigw) 83.379053 97.07395 133.86606 117.223236 129.28317 1553.4381 100

使用t，dim和aperm的方法是10倍以上，快于中位数运行时比循环方法。

来源

2015-06-22 00:31:58 josliber

我没有测试的速度，但你可以尝试

nw1 <- aperm(`dim<-`(t(w), list(3, 3, 6)), c(2, 1, 3)) 

> nw1 
, , 1 

      [,1]  [,2]  [,3] 
[1,] 0.8257185 0.5475478 0.4157915 
[2,] 0.8436991 0.3310513 0.1546463 
[3,] 0.1794918 0.1836032 0.2675192 

, , 2 

      [,1]  [,2]  [,3] 
[1,] 0.6914582 0.1674163 0.2921129 
[2,] 0.2558240 0.4269716 0.7335542 
[3,] 0.6416367 0.8771934 0.

, , 3 

      [,1]  [,2]  [,3] 
[1,] 0.9761232 0.05223183 0.6651574 
[2,] 0.5740032 0.80621864 0.2295017 
[3,] 0.1138926 0.76009870 0.6932736 

, , 4 

      [,1]  [,2]  [,3] 
[1,] 0.437871558 0.5172516 0.1145181 
[2,] 0.006923583 0.3235762 0.3751655 
[3,] 0.823235642 0.4586850 0.6013853 

, , 5 

      [,1]  [,2]  [,3] 
[1,] 0.7425735 0.1665975 0.8659373 
[2,] 0.1418979 0.1878132 0.2357267 
[3,] 0.6963537 0.5391961 0.1112467 

, , 6 

      [,1]  [,2]  [,3] 
[1,] 0.7246276 0.02896792 0.04692648 
[2,] 0.7563403 0.22027518 0.41138672 
[3,] 0.8303413 0.31908307 0.25180560

来源

2015-06-22 00:34:18 Robert

等效于MATLAB的reshape（）方法的最快R？

回答

相关问题