矩阵的 R 索引用于确定 R 中超过 8 小时的最大值的索引

Question

我正在尝试创建一个 R 函数，该函数在值等于最大值的条目中随机选择一个条目，并逐行执行此操作。诀窍是，一旦我选择给定行的列，我不再希望该列被考虑用于后续行的选择。我还想知道有多少列的条目等于行最大值，以及该行的最大值到底是多少。我已经尝试了该主题的许多变体，这是我现在的代码。 Largemat 是一个 5000 行 x 20000 列的大矩阵。我尝试对其进行矢量化，但问题是这是一个动态过程，因此第 2 行的结果取决于为第 1 行选择的列。因此我不能立即选择行最大值，因为它们可能会发生变化。

这是前两行的示例:

第 1 行:.5, .5, 1, 1 第 2 行:.6、.8、.7、.9

所以我知道第 1 行的最大行数是 1，第 2 行的最大行数是 0.9。但是，如果我选择第四列(从第 1 行的第三列和第四列)，那么我会从第 2 行的可能选择中删除该列(现在有候选项 0.6、.8、.7)

我正在努力思考如何提高效率。任何意见，将不胜感激。你们都是大师，我正在努力成为大师。因此，非常感谢任何建议!

这是我当前的 R 代码:

function(largemat, reordervector, IDvector)
nrowz<-nrow(largemat)
maxvalues<-numeric(nrowz)
numberofmaxes<-integer(nrowz)
idvalue<-integer(nrowz)

#this line randomizes the order of the rows
tempmat<-largemat[reordervector,]
tempsims<-NULL
for (i in 1:nrowz){
tempsims<-which(tempmat[i,]==max(tempmat[i,]))
numberofmaxes[i]<-length(tempsims) 
tempindx<-ifelse(length(tempsims)==1, tempsims, sample(x=tempsims, size=1))
#pick off the largest value
distvalues[i]<-tempmat[i, tempindx]
# record the column id name of the largest value
idvalue[i]<-IDvector[tempindx]
#remove the column so that it cannot be selected again
tempmat<-tempmat[,-tempindx]

list(nm=numberofmaxes, dv=distvalues, ids=idvalue)
 }

该函数将生成三个向量，每个向量的长度为 nrow(largemat)，生成每行的最大值数、给定行中找到最大值的列位置的 id 名称以及来自原始矩阵。

这是一个小例子:

largemat 是一个矩阵:

largemat<-rbind(c(.2 .5  .6 .8 .9  1  1  1),
                c(.3 .4  .8 .9  1 .7  1  1),
                c(.5  1  .6 .6 .9 .9 .8 .1)) 

假设该矩阵已经对行进行了排列(因此 reordervector 已应用于 Largemat)

第一步:确定第 1 行中哪些列具有最大值:(6, 7, 8) 第二步:随机选择其中一列(比如 7) 第三步:获取第 7 列的 id 名称向量对应的 id 值(并记录第 1 行的最大值实际上是 1) 第四步:缩小矩阵以消除第 7 列以供进一步考虑，并对新矩阵的第 2 行重复步骤:

largemat<-rbind(c(.2 .5  .6 .8 .9  1  1),
                c(.3 .4  .8 .9  1  1  1),
                c(.5  1  .6 .6 .9 .8 .1)) 

继续- ids 的结果向量将类似于 最大值:1 等 ids:col7id等(将列解释为列id) numberof maxes 将为:3 等(对应于给定行具有该行最大值的列数)

Answer 1

我将创建辅助函数来完成任务。您使用 ifelse 在临时创建中存在问题。使用if更合适。 data.frame 输出对我来说最有意义:

choose.max  <- function(x, omit=NULL) {
  x[omit] <- -Inf
  xmax      <- which(x == max(x))
  x_col  <- if(length(xmax) == 1L) xmax else sample(xmax, size=1L)
  x_value   <- max(x)
  num_maxes <- length(xmax)
  return(data.frame(col=x_col, max_value=x_value, num_maxes=num_maxes))
}

max_choice <- function(df) {
  res <- list(choose.max(df[1,,drop=FALSE]))

  for(i in 2:nrow(df)) {
    res[[i]] <- choose.max(x=df[i,,drop=FALSE], omit=sapply(res, '[[', "col"))
  }

  return(do.call("rbind", res))
}

调用函数max_choice将创建数据框，第一列用于选择的最大列，然后是该行的最大值，以及最大值的数量:

set.seed(143)
mat <- matrix(sample(1:5, 16, TRUE), 4, 4)
max_choice(mat)
#   col max_value num_maxes
# 1   1         5         2
# 2   2         5         1
# 3   4         5         1
# 4   3         1         1

编辑

如果速度很重要，您可以通过此编辑获得提升:

max_choice <- function(df) {
  res <- vector("list", nrow(df))
  res[[1]] <- choose.max(df[1,,drop=FALSE])

  for(i in 2:nrow(df)) {
    res[[i]] <- choose.max(x=df[i,,drop=FALSE], omit=sapply(res[!sapply(res,is.null)], '[[', "col"))
  }

  return(do.call("rbind", res))
}

编辑2

这甚至可能更快。 parallel 是用于并行处理的内置包:

library(parallel)
no_cores <- detectCores() - 1
cl <- makeCluster(no_cores)
clusterExport(cl, c("mat", "choose.max", "max_choice"))
fast_res <- parLapply(cl, 1, function(x) max_choice(mat))[[1]]