r - 查找给定列中最常包含最大值的行

Question

对可能不太理想的标题表示歉意 - 我似乎想不出更好的标题。

假设我有一个 3x5 矩阵，如下所示:

test.df <- matrix(rep(1:5, 3), nrow = 3)
test.df
     [,1] [,2] [,3] [,4] [,5]
[1,]    1    4    2    5    3
[2,]    2    5    3    1    4
[3,]    3    1    4    2    5

我想返回每列中最常具有最大值的行的索引。我可以结合 which.max、apply 和 table 来实现，如下所示:

which.max(
    table(
        apply(test.df, 2, which.max)
        )
    )

首先，我将 which.max 应用于每一列:

apply(test.df, 2, which.max)
[1] 3 2 3 1 3

然后，我将 table 应用于生成的向量，并计算给定行被发现具有最大值的次数。

table(
    apply(test.df, 2, which.max)
)
1 2 3 
1 1 3 

最后，我再次使用 which.max 来获取出现次数最多的行的索引。

不幸的是，我需要对大约 20000 个矩阵执行上述操作，其中一些矩阵可能包含数千行。所以我想知道是否有一个更快和/或更优雅的解决方案。最好利用 R 中矩阵运算的力量。

非常感谢!

Answer 1

这个使用rowSums的解决方案似乎提供了相当好的加速:

test.df <- matrix(rep(1:5, 3), nrow = 3)

original = function(m) {
    which.max(
        table(
            apply(m, 2, which.max)
        )
    )
}

row_sums = function(m) {
    which.max(rowSums(apply(m, 2, function(x) {x == max(x)})))
}

library(microbenchmark)

microbenchmark(original(test.df), row_sums(test.df))

计时结果:

Unit: microseconds
              expr    min      lq      mean median     uq      max neval
 original(test.df) 86.725 91.6320 107.19399 92.513 94.462 1376.445   100
 row_sums(test.df) 26.698 28.0895  54.30694 29.741 32.443 2378.536   100