我设置了一个大小为 365x7x4 的 3 维矩阵。
x <- array(rep(1, 365*5*4), dim=c(365, 5, 4))
现在我将使用 for 循环为每个元素填充一个值。 可以说每个元素的值应该是行、列和深度的总和。 我想这相对容易。
谢谢!最好的,F
最佳答案
使用一个更简单的例子,这样我们就可以看到正在做什么
arr <- array(seq_len(3*3*3), dim = rep(3,3,3))
下面的代码给出了请求的输出:
dims <- dim(arr)
ind <- expand.grid(lapply(dims, seq_len))
arr[] <- rowSums(ind)
以上给出
> arr
, , 1
[,1] [,2] [,3]
[1,] 3 4 5
[2,] 4 5 6
[3,] 5 6 7
, , 2
[,1] [,2] [,3]
[1,] 4 5 6
[2,] 5 6 7
[3,] 6 7 8
, , 3
[,1] [,2] [,3]
[1,] 5 6 7
[2,] 6 7 8
[3,] 7 8 9
> arr[1,1,1]
[1] 3
> arr[1,2,3]
[1] 6
> arr[3,3,3]
[1] 9
更新:使用此处@TimP 的答案中的示例,我更新了答案以展示如何以更像 R 的方式完成它。
给定
arr <- array(seq_len(3*3*3), dim = rep(3,3,3))
将 arr
的元素替换为 i + j + k
除非 k > 2
,在这种情况下 j*k-i
被改用。
dims <- dim(arr)
ind <- expand.grid(lapply(dims, seq_len))
## which k > 2
want <- ind[,3] > 2
arr[!want] <- rowSums(ind[!want, ])
arr[want] <- ind[want, 2] * ind[want, 3] - ind[want, 1]
虽然坚持使用循环等熟悉的习语很诱人,而且与流行的看法相反,循环在 R 中并非效率低下,但学习以向量化的方式思考会在你学习的过程中得到很多返回语言并开始将其应用于数据分析任务。
以下是 Fabian 示例的一些时间安排:
> x <- array(rep(1, 365*5*4), dim=c(365, 5, 4))
> system.time({
+ for (i in seq_len(dim(x)[1])) {
+ for (j in seq_len(dim(x)[2])) {
+ for (k in seq_len(dim(x)[3])) {
+ val = i+j+k
+ if (k > 2) {
+ val = j*k-i
+ }
+ x[i,j,k] = val
+ }
+ }
+ }
+ })
user system elapsed
0.043 0.000 0.044
> arr <- array(rep(1, 365*5*4), dim=c(365, 5, 4))
> system.time({
+ dims <- dim(arr)
+ ind <- expand.grid(lapply(dims, seq_len))
+ ## which k > 2
+ want <- ind[,3] > 2
+ arr[!want] <- rowSums(ind[!want, ])
+ arr[want] <- ind[want, 2] * ind[want, 3] - ind[want, 1]
+ })
user system elapsed
0.005 0.000 0.006
还有一个更大的问题(至少对我的可恶的笔记本电脑来说是这样!)
> x <- array(rep(1, 200*200*200), dim=c(200, 200, 200))
> system.time({
+ for (i in seq_len(dim(x)[1])) {
+ for (j in seq_len(dim(x)[2])) {
+ for (k in seq_len(dim(x)[3])) {
+ val = i+j+k
+ if (k > 2) {
+ val = j*k-i
+ }
+ x[i,j,k] = val
+ }
+ }
+ }
+ })
user system elapsed
51.759 0.129 53.090
> arr <- array(rep(1, 200*200*200), dim=c(200, 200, 200))
> system.time({
+ dims <- dim(arr)
+ ind <- expand.grid(lapply(dims, seq_len))
+ ## which k > 2
+ want <- ind[,3] > 2
+ arr[!want] <- rowSums(ind[!want, ])
+ arr[want] <- ind[want, 2] * ind[want, 3] - ind[want, 1]
+ })
user system elapsed
2.282 1.036 3.397
但即使按照今天的标准,这也可能很小。您可以看到,由于该方法所需的所有函数调用,循环开始变得越来越没有竞争力。
关于r - 用R中的值通过for循环填充3D矩阵,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/10967596/