Question

我有一个具有2种列名的矩阵：以“ min”结尾的列名和以“ max”结尾的列名。例如，此矩阵的第一行和前6列可以是：

M = matrix(c(0.2, 0.3, 0.5, 0.9, 0.7, 0.6), nrow = 1, ncol = 6)
colnames(M) = c("a_min", "b_min", "c_min", "a_max", "b_max", "c_max")

我想为M的每一行计算a_max和a_min，b_max和b_min之间的差的乘积，以及对所有成对的列都如此。

在上面的示例中，最终产品是：

(0.9-0.2)*(0.7-0.3)*(0.6-0.5) = 0.028.

如何对一般的2N列和P行进行矢量处理？

Answer 1

这是一个基于R的想法，

Reduce(`*`, lapply(split.default(M, sub('_.*', '', colnames(M))), diff))
#[1] 0.028

如果您有多行，即M <- rbind(M, M)

Reduce(`*`, lapply(split.default(as.data.frame(M), sub('_.*', '', colnames(M))), 
                                                             function(i) abs(i[1] - i[2])))
#  a_min
#1 0.028
#2 0.028

Answer 2

要计算max - min的差异，只需减去矩阵，例如

D <- M[, grep('_max', colnames(M))] - M[, grep('_min', colnames(M))]

（您必须检查列的顺序是否正确，否则将计算出错误的差值）。

这将为您提供差异矩阵，现在您要计算行积。您可以例如使用循环或apply，但使用rowProds软件包中的matrixstats更快

matrixStats::rowProds(D)

向量计算特定列的乘积

2 个答案: