Question

我有一个1,344个唯一字符串的向量x。我想生成一个矩阵，它给我所有可能的三个值组，无论顺序如何，并将其导出到csv。

我在m1.large实例w 64bit Ubuntu上运行EC on EC2。使用combn（x，3）时出现内存不足错误：

Error: cannot allocate vector of size 9.0 Gb

得到的矩阵的大小是C1344,3 = 403,716,544行和三列 - 这是combn（）函数结果的转置。

我想过使用bigmemory包创建一个文件支持的big.matrix，然后我可以分配combn（）函数的结果。我可以创建一个预分配的大矩阵：

library(bigmemory)
x <- as.character(1:1344)
combos <- 403716544
test <- filebacked.big.matrix(nrow = combos, ncol = 3, 
        init = 0, backingfile = "test.matrix")

但是当我尝试分配值test <- combn(x, 3)时，我仍然会得到相同的结果：Error: cannot allocate vector of size 9.0 Gb

我甚至尝试强制combn(x,3)的结果，但我认为因为combn（）函数返回错误，big.matrix函数也不起作用。

test <- as.big.matrix(matrix(combn(x, 3)), backingfile = "abc")
Error: cannot allocate vector of size 9.0 Gb
Error in as.big.matrix(matrix(combn(x, 3)), backingfile = "abc") : 
  error in evaluating the argument 'x' in selecting a method for function 'as.big.matrix'

有没有办法将这两个功能组合在一起以获得我需要的东西？有没有其他方法可以实现这一目标？感谢。

Answer 1

这是我用R编写的函数，它目前在LSPM包中找到它的（未导出的）主页。您可以为其指定项目总数n，要选择的项目数r以及所需组合的索引i;它会返回与1:n组合相对应的i中的值。

".combinadic" <- function(n, r, i) {

  # http://msdn.microsoft.com/en-us/library/aa289166(VS.71).aspx
  # http://en.wikipedia.org/wiki/Combinadic

  if(i < 1 | i > choose(n,r)) stop("'i' must be 0 < i <= n!/(n-r)!")

  largestV <- function(n, r, i) {
    #v <- n-1
    v <- n                                  # Adjusted for one-based indexing
    #while(choose(v,r) > i) v <- v-1
    while(choose(v,r) >= i) v <- v-1        # Adjusted for one-based indexing
    return(v)
  }

  res <- rep(NA,r)
  for(j in 1:r) {
    res[j] <- largestV(n,r,i)
    i <- i-choose(res[j],r)
    n <- res[j]
    r <- r-1
  }
  res <- res + 1
  return(res)
}

它允许您根据词典索引的值生成每个组合：

> .combinadic(1344, 3, 1)
[1] 3 2 1
> .combinadic(1344, 3, 2)
[1] 4 2 1
> .combinadic(1344, 3, 403716544)
[1] 1344 1343 1342

所以你只需要遍历1：403716544并将结果追加到文件中。这可能需要一段时间，但至少是可行的（参见Dirk的回答）。你也可能需要在几个循环中完成它，因为向量1:403716544不适合我机器的内存。

或者您可以将R代码移植到C / C ++并在那里进行循环/写入，因为它会很多更快。

Answer 2

您可以先找到所有双向组合，然后将它们与3d值组合，同时每次都保存它们。这会占用更少的内存：

combn.mod <- function(x,fname){
  tmp <- combn(x,2,simplify=F)
  n <- length(x)
  for ( i in x[-c(n,n-1)]){
    # Drop all combinations that contain value i
    id <- which(!unlist(lapply(tmp,function(t) i %in% t)))
    tmp <- tmp[id]
    # add i to all other combinations and write to file
    out <- do.call(rbind,lapply(tmp,c,i))
    write(t(out),file=fname,ncolumns=3,append=T,sep=",")
  }
}

combn.mod(x,"F:/Tmp/Test.txt")

这不像约书亚的回答那么笼统，它特别针对你的情况。对于这个特殊情况，我想它更快 - 但是我没有进行比较。当应用于x时，功能在我的计算机上运行时使用超过50 Mb（粗略估计）。

修改

旁注：如果这是出于模拟目的，我发现很难相信任何科学应用需要4亿多次模拟运行。你可能会在这里问错了问题的正确答案......

概念证明：

我将写行改为tt[[i]]<-out，在循环前添加tt <- list()并在其后返回（tt）。然后：

> do.call(rbind,combn.mod(letters[1:5]))
      [,1] [,2] [,3]
 [1,] "b"  "c"  "a" 
 [2,] "b"  "d"  "a" 
 [3,] "b"  "e"  "a" 
 [4,] "c"  "d"  "a" 
 [5,] "c"  "e"  "a" 
 [6,] "d"  "e"  "a" 
 [7,] "c"  "d"  "b" 
 [8,] "c"  "e"  "b" 
 [9,] "d"  "e"  "b" 
[10,] "d"  "e"  "c"

Answer 3

在第一次近似时，每个算法都会以存储速度换取速度。

您已尝试预先分配完全枚举的组合矩阵。所以也许你应该尝试不预先分配这个矩阵，但试试，比方说，

如果您认为需要这些组合，请在其他地方计算它们并将它们存储在一个简单的数据库（或者，平面文件）中并查找它们 - 保存9 GB
利用开源，将代码读取到combn()并将其修改为客户端 - 服务器东西：给定索引号为 N的调用，它将循环并返回第N 条目。效率不高，但可能更容易可行。

使用combn（）和bigmemory包生成一个非常大的字符串组合矩阵

3 个答案: