社区,
我有一个非常大的数据集,包含3个坐标为(x,y,z)和24 x 10 ^ 6行的列。我需要计算所有行和第一行之间的欧氏距离,即0,0,0。下面的循环需要很长时间!我也在矩阵而不是数据帧上尝试了这一点,但这并没有解决问题。
有没有人建议加快这个过程?
library(cluster)
e <- list() # list to be filled with euclidean distances
for (r in 1:(nrow(pca.123.df))) {
eucl.dist <- daisy(pca.123.df[c(1,r), ], metric = "euclidean") # Euclidean distance between anomaly and zero (row 1)
e[[r]] <- eucl.dist[1]
}
答案 0 :(得分:4)
使用Euclidean distance的公式。
代码的可重现示例:
library(cluster)
set.seed(42)
DF <- as.data.frame(rbind(0, matrix(rnorm(15), ncol=3)))
e <- list() # list to be filled with euclidean distances
for (r in 1:(nrow(DF))) {
eucl.dist <- daisy(DF[c(1,r), ], metric = "euclidean") # Euclidean distance between anomaly and zero (row 1)
e[[r]] <- eucl.dist[1]
}
# [[1]]
# [1] 0
#
# [[2]]
# [1] 1.895646
#
# [[3]]
# [1] 2.79863
#
# [[4]]
# [1] 1.438665
#
# [[5]]
# [1] 2.133606
#
# [[6]]
# [1] 0.4302796
矢量化解决方案:
sqrt(colSums((t(DF)-unlist(DF[1,]))^2))
#[1] 0.0000000 1.8956461 2.7986300 1.4386649 2.1336055 0.4302796
使用第一行全为零的知识:
sqrt(rowSums(DF^2))
#1] 0.0000000 1.8956461 2.7986300 1.4386649 2.1336055 0.4302796