Question

我有一个相对较大的阵列（242x240x2922）。前两个维度是纬度和经度，第三个维度是时间（每日卫星图像）。

我需要提取该数组子集的相关系数，该子集对应于每个（lon，lat）对的6°半径内的数据。首先，我创建了一个循环来计算每个lon，lat对的圆多边形。然后，我检查了圆圈内的哪些点（使用point.in.polygon函数），并提取了较大数组的子集。

我知道我可以构建第二个嵌套循环，它可以计算每个lon的时间序列的相关性，lat与“子阵列”的其余时间序列（落在圆圈内），但是这将花费太长时间......是否有任何直接的方法来计算大小为“L”的向量与具有NxMxL维度的数组的每个向量的相关系数？例如，在循环中，第一轮将计算cor（myvector，myarray [,, 1]）。

我尝试使用apply（myarray，dim = 3，cor），但我很难理解结果。

提前多多感谢。

Answer 1

#define dimensions
M = 3; N = 4; L = 5

myarray <- array(data = rnorm(M*N*L), dim=c(M,N,L)) 
myvector <- myarray[1,1, ]

# Use apply function to cycle through all the vectors in 3rd dimension:
result <- apply(myarray, c(1,2), FUN=function(x)cor(myvector,x))
result
#            [,1]        [,2]      [,3]       [,4]
#[1,]  1.00000000  0.73804476 0.7356366 -0.1583484
#[2,]  0.03820936 -0.07797187 0.3798744 -0.4925700
#[3,] -0.52827708 -0.09036006 0.1895361 -0.2860481

# For testing compare with the loop result (which will be much slower for larger arrays):
for (i in 1:dim(myarray)[1]) 
    for (j in 1:dim(myarray)[2]) 
        print( cor(myvector,myarray[i,j,]))
# [1] 1
# [1] 0.7380448
# [1] 0.7356366
# [1] -0.1583484
# [1] 0.03820936
# [1] -0.07797187
# [1] 0.3798744
# [1] -0.49257
# [1] -0.5282771
# [1] -0.09036006
# [1] 0.1895361
# [1] -0.2860481

如何计算数组内矩阵的相关系数？

1 个答案: