Question

我有两个矩阵，一个是通过删除一些行来生成另一个矩阵。例如：

m = matrix(1:18, 6, 3)
m1 = m[c(-1, -3, -6),]

假设我不知道m中哪些行被消除以创建m1，我应该如何通过比较两个矩阵找到它？我想要的结果如下：

1, 3, 6

我正在处理的实际矩阵非常大。我想知道是否有任何有效的方法来进行。

Answer 1

以下是一些方法：

1）如果我们可以假设m中没有重复的行 - 问题中的示例就是这种情况 - 那么：

which(tail(!duplicated(rbind(m1, m)), nrow(m)))
## [1] 1 3 6

2）转置m和m1提供tm和tm1，因为处理列比处理行更有效。

定义match_indexes(i)，返回向量r，使m[r, ]中的每一行都匹配m1[i, ]。

将其应用于1：n1中的每个i并从1：n中删除结果。

n <- nrow(m); n1 <- nrow(m1)
tm <- t(m); tm1 <- t(m1)

match_indexes <- function(i) which(colSums(tm1[, i] == tm) == n1)
setdiff(1:n, unlist(lapply(1:n1, match_indexes)))
## [1] 1 3 6

3）计算每个矩阵的交互向量，然后使用setdiff和最后match来获取索引：

i <- interaction(as.data.frame(m))
i1 <- interaction(as.data.frame(m1))
match(setdiff(i, i1), i)
## [1] 1 3 6

已添加如果m中可能存在重复项，那么（1）和（3）将只返回m中任何多次出现的行中的第一行而不是m1 1}}。

m <- matrix(1:18, 6, 3)
m1 <- m[c(2, 4, 5),]
m <- rbind(m, m[1:2, ])
# 1
which(tail(!duplicated(rbind(m1, m)), nrow(m)))
## 1 3 6

# 2
n <- nrow(m); n1 <- nrow(m1)
tm <- t(m); tm1 <- t(m1)
match_indexes <- function(i) which(colSums(tm1[, i] == tm) == n1)
setdiff(1:n, unlist(lapply(1:n1, match_indexes)))
## 1 3 6 7

# 3
i <- interaction(as.data.frame(m))
i1 <- interaction(as.data.frame(m1))
match(setdiff(i, i1), i)
## 1 3 6

Answer 2

一种可能的方法是将每一行表示为字符串：

x1 <- apply(m, 1, paste0, collapse = ';')
x2 <- apply(m1, 1, paste0, collapse = ';')
which(!x1 %in% x2)
# [1] 1 3 6

使用我的解决方案和G. Grothendieck's solutions的大矩阵的一些基准：

set.seed(123)
m <- matrix(rnorm(20000 * 5000), nrow = 20000)
m1 <- m[-sample.int(20000, 1000), ]

system.time({
    which(tail(!duplicated(rbind(m1, m)), nrow(m)))
})
#    user  system elapsed
# 339.888   2.368 342.204
system.time({
    x1 <- apply(m, 1, paste0, collapse = ';')
    x2 <- apply(m1, 1, paste0, collapse = ';')
    which(!x1 %in% x2)
})
#    user  system elapsed
# 395.428   0.568 395.955

system({
    n <- nrow(m); n1 <- nrow(m1)
    tm <- t(m); tm1 <- t(m1)

    match_indexes <- function(i) which(colSums(tm1[, i] == tm) == n1)
    setdiff(1:n, unlist(lapply(1:n1, match_indexes)))
})
# > 15 min, not finish


system({
    i <- interaction(as.data.frame(m))
    i1 <- interaction(as.data.frame(m1))
    match(setdiff(i, i1), i)
})
# run out of memory. My 32G RAM machine crashed.

Answer 3

我们也可以使用do.call

which(!do.call(paste, as.data.frame(m)) %in% do.call(paste, as.data.frame(m1)))
#[1] 1 3 6

比较两个矩阵R之间的信息

3 个答案: