我有一个矩阵A,它有大量的行和列(在这样一个矩阵的一个例子下面),偶尔会有一个完整的0行值(如在这个特定的例子中的第4行)。
我想要一个检查A的所有行的函数,并允许我对这些行的每个元素执行操作。有没有一种简单的方法可以做到这一点?
我也想知道矩阵是否是正确的数据结构。感觉不太对劲,或许数据框架更好吗?
A = matrix(
c(0, 0, 1, 0, 0, 0, 0,
1, 0, 1, 1, 0, 0, 0,
0, 0, 0, 1, 1, 0, 0,
0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 1, 1,
0, 0, 0, 1, 1, 0, 1), nrow=7,ncol=7,byrow = TRUE)
对于该矩阵的每一行,我想确定其中是否只有0。如果是这样,我想设置(对于每个元素)值1 / N(其中N是ncol(A))。
Sudo代码:
if(sum(A行)== 0) 然后row_of_A = 1 / ncol(A)
答案 0 :(得分:4)
显然你想要这个:
A[rowSums(A != 0) == 0,] <- 1/ncol(A)
# [,1] [,2] [,3] [,4] [,5] [,6] [,7]
#[1,] 0.0000000 0.0000000 1.0000000 0.0000000 0.0000000 0.0000000 0.0000000
#[2,] 1.0000000 0.0000000 1.0000000 1.0000000 0.0000000 0.0000000 0.0000000
#[3,] 0.0000000 0.0000000 0.0000000 1.0000000 1.0000000 0.0000000 0.0000000
#[4,] 0.1428571 0.1428571 0.1428571 0.1428571 0.1428571 0.1428571 0.1428571
#[5,] 0.0000000 0.0000000 0.0000000 0.0000000 0.0000000 1.0000000 1.0000000
#[6,] 0.0000000 0.0000000 0.0000000 1.0000000 1.0000000 0.0000000 1.0000000
#[7,] 0.0000000 0.0000000 1.0000000 0.0000000 0.0000000 0.0000000 0.0000000
说明:
A != 0
检查所有矩阵元素,并返回一个带有TRUE
的逻辑矩阵,用于非零元素。FALSE
/ TRUE
被强制为0/1。基准显示apply
较慢:
set.seed(42); A = matrix(sample(0:1, 5e4, TRUE), nrow=1e4)
library(microbenchmark)
microbenchmark(A[rowSums(A != 0) == 0,],
A[!apply(A != 0, 1, any),],
A[apply(A == 0, 1, all),])
#Unit: microseconds
# expr min lq mean median uq max neval cld
# A[rowSums(A != 0) == 0, ] 572.202 593.298 620.7931 624.248 629.638 780.387 100 a
# A[!apply(A != 0, 1, any), ] 14978.248 16124.652 17261.9530 17441.054 18129.975 22469.219 100 b
# A[apply(A == 0, 1, all), ] 15182.122 16149.751 17616.8010 16561.657 17997.703 75148.079 100 b