r - 如何有效地找到矩阵前 n 个值的列索引？

Question

给定一个矩阵，比如 m，是否有任何直接方法可以找到 m 的前 k 个值，然后准确找到它们属于哪一列/行。我在 SO 上找不到任何内容，因此提出了这个问题。 我对上面的尝试是这样的:

set.seed(1729)
k=5 #top 5
m = matrix(round(runif(30),digits = 2),nr=10)
idx <- which(matrix(m %in% head(sort(m), k), nr = nrow(m)), arr.ind = TRUE)
print(m)
      [,1] [,2] [,3]
 [1,] 0.59 0.54 0.57
 [2,] 0.44 0.43 0.32
 [3,] 0.57 0.08 0.29
 [4,] 0.35 0.58 0.24
 [5,] 0.86 0.52 0.53
 [6,] 0.41 0.78 0.17
 [7,] 0.51 0.47 0.26
 [8,] 0.15 0.81 0.49
 [9,] 0.85 0.64 0.64
[10,] 1.00 0.78 0.95

print(idx)

        row col
[1,]   8   1
[2,]   3   2
[3,]   4   3
[4,]   6   3
[5,]   7   3

我不确定这是否有效，因为我正在对矩阵的整个值进行排序而不是选取那些 k 值。我想假设 k << length(m)。 对于大型矩阵 m 是否有任何有效的方法，以及在某些情况下是否可以帮助我处理重复，例如当一个人想要获得前 k 列名称时

例如:对于矩阵 mm，我需要确定具有最小值的前 2 列。在这里，对于以下情况，我期待第 1 列和第 2 列

mm = matrix(c(6,6,7,8,7,9,8,8,9), 3)
 print(mm)
     [,1] [,2] [,3]
[1,]    6    8    8
[2,]    6    7    8
[3,]    7    9    9
idx <- which(matrix(mm %in% head(sort(mm), 2), nr = nrow(mm)), arr.ind = TRUE)
print(idx)
      row col
[1,]   1   1
[2,]   2   1

但是，在这里我只有一列，即； 1，在这种情况下，输出应该是具有最小值的两个不同列，即。 1 和 2

Answer 1

这是对 OP 方法的比较，@Barker 的替代 R 的部分排序功能的建议以及使用 quantile 的方法:

# example data
set.seed(1729)
n = 1e6
k = 50
m = matrix(runif(n), nr=10)

# illustration of the quantile way
which(m <= quantile(m, k/length(m)), arr.ind = TRUE)
# or...
library(data.table)
setDT(melt(m))[ value <= quantile(value, k/.N) ]
#    Var1  Var2        value
# 1:    8  4945 1.471722e-06
# 2:    1  7025 1.856475e-05
# 3:    9  7480 4.518987e-05
# 4:   10  8378 1.877453e-05
# 5:    2  9043 3.262958e-05
# 6:    7  9925 1.327880e-05
# 7:    5 13571 5.097035e-05
# ...

# benchmark
microbenchmark::microbenchmark(times = 30,
  idx  = idx <- which(matrix(m %in% head(sort(m), k), nr = nrow(m)), arr.ind = TRUE),
  dtq  = dtq <- setDT(melt(m))[ value <= quantile(value, k/.N) ],
  idxp = idxp <- which(matrix(m %in% head(sort(m, partial = 1:k), k), nr = nrow(m)), arr.ind = TRUE),
  idxq = idxq <- which(m <= quantile(m, k/length(m)), arr.ind = TRUE)
)

# verifying, requires data.table 1.9.7+
fsetequal(as.data.table(idx), dtq[, .(row = Var1, col = Var2)])
fsetequal(as.data.table(idxp), dtq[, .(row = Var1, col = Var2)])
fsetequal(as.data.table(idxq), dtq[, .(row = Var1, col = Var2)])

给出

Unit: milliseconds
 expr       min        lq      mean    median        uq       max neval  cld
  idx 145.01260 148.10571 155.27124 149.97761 152.45523 206.27179    30    d
  dtq  30.05910  33.11280  44.83088  35.02334  37.78721  90.92545    30  b  
 idxp 114.69501 118.23185 127.37992 119.50131 121.33241 175.41117    30   c 
 idxq  13.02406  14.47907  22.81266  16.41707  18.28308  68.53364    30 a   

我为这个例子去掉了 OP 的四舍五入。调整参数 n 和 k 可能会导致不同的方法排名。我的首选方法是 setDT(melt(m))[order(value, partial = 1:k)] 但它看起来在 R 中尚不可用。