Question

我正在聚集并使用相当小的矩阵（5000行乘200列）制作热图，但我发现使用R中的标准heatmap类函数，它需要永远。例如：

data <- replicate(5000, rnorm(200)) 
aheatmap(data, dist="correlation")

（这是使用NMF包中的aheatmap：http://cran.r-project.org/web/packages/NMF/index.html）

如果使用euclidean而不是correlation距离，结果会更快一些。有没有办法加快速度？

澄清我只对聚类列而不是行感兴趣所以我经常将aheatmap参数传递给Rowv=FALSE

Answer 1

你的问题是，你在dist进行的比较远比你可能怀疑的要多得多。您正在计算 5000 选择2，而不是 200 选择2个比较。也许这不是你想要的，但它在代码中这样做。

正如@Roland所指出的那样，大部分时间花费在dist上，这进一步说明了这就是问题所在。这是我机器上的一个示例：

data <- replicate(1500, rnorm(200)) 
system.time(aheatmap(data, dist="correlation"))
   user  system elapsed 
  27.69    0.64   28.33 
system.time(dist(1 - cor(data))) # A line that is in aheatmap
   user  system elapsed 
  21.26    0.02   21.28

dist函数在R中使用C函数实现，因此您可以期望它快速。

运行cor(data)时，它将为您提供5000x5000矩阵（或在我较小的测试用例中为1500x1500），然后由dist使用。这意味着我的计算机正在计算

choose(1500,2) / 21
[1] 53535.71

我认为，每秒大约有53535.71次比较，这是非常快的。除非减少比较次数，否则你不会有太大的差别。

如果您想停止计算5000列的群集，可以将NA传递给Colv参数，如?aheatmap中所述。

aheatmap(data,distfun="correlation",Rowv=NA) # No clustering on rows.
aheatmap(data,distfun="correlation",Colv=NA) # No clustering on columns.

值得注意的是，传递FALSE仍然会计算树形图（慢速部分），但它不会显示它，而NA甚至不会计算树形图。

Answer 2

你可以做的一件简单的事情（至少就随机数据而言）是切换列和行：

data <- replicate(200, rnorm(2000)) 
system.time(aheatmap(data, dist="euclidean",Colv=F))
user 15.048 sys  0.028 elapsed 15.370 

data <- replicate(2000, rnorm(200)) 
system.time(aheatmap(data, dist="euclidean",Rowv=F))
user 19.508 sys  0.164 elapsed 22.043

似乎有一致的收益。

该功能似乎没有提供文档中的任何内容，使其更快，我自己没有使用功能/包的经验。

加快集群/热图创建速度

2 个答案: