R - 更新非常大的稀疏矩阵中的列

Question

我需要更新稀疏矩阵中的某些列，但该操作需要很长时间才能完成。

我有一个稀疏矩阵，行数略少于 3M，列数大约为 1500。我还有一个具有相同行数的数据框，但只有 10 列。我想用 data.frame 中的值更新矩阵中的某些列索引。

我对普通矩阵执行此操作没有问题，但是当使用稀疏矩阵尝试时，即使是单列也需要花费亿万年的时间。

下面是我正在使用的代码，需要更改哪些内容才能有效运行？

library(Matrix)

x <- Matrix(0, nrow = 2678748, ncol = 1559, sparse = TRUE)
df <- data.frame(replicate(5,sample(0:1,2678748,rep = TRUE)))

var_nums <- sample(1:1559,size = 5)

for (i in 1:5){
  x[,var_nums[i]] <- df[,i]
}

Answer 1

使用 Matrix::cBind 函数并消除 for 循环，我能够在 1 秒内完成它。

library(Matrix)

x  <- Matrix(0, nrow = 2678748, ncol = 1559, sparse = TRUE)
df <- data.frame(replicate(5,sample(0:1,2678748,rep = TRUE)))

var_nums <- sample(1:1559,size = 5)

t <- Sys.time()
x            <- x[,-var_nums]
x            <- Matrix::cBind(x, Matrix::as.matrix(df))
Sys.time()-t

Time difference of 0.541054 secs

保留顺序(仍低于 1 秒!)

library(Matrix)

x  <- Matrix(0, nrow = 2678748, ncol = 1559, sparse = TRUE)
df <- data.frame(replicate(5,sample(0:1,2678748,rep = TRUE)))

colnames(x) <- paste("col", 1:ncol(x))
col.order   <- colnames(x)

cols <- sample(colnames(x),size = 5)
colnames(df) <- cols

t <- Sys.time()
x            <- x[,-which(colnames(x) %in% cols)]
x            <- Matrix::cBind(x, Matrix::as.matrix(df) )
x            <- x[,col.order]
Sys.time()-t
>     Time difference of 0.550012 secs

# Proof that order is preserved:
identical(colnames(x), col.order)

TRUE