等價於rowMeans（）for min（）

Question

我看到這個問題在R郵件列表中被多次詢問，但仍然找不到滿意的答案。

假設我一個矩陣m

m <- matrix(rnorm(10000000), ncol=10) 

我可以得到每行的意思是：

system.time(rowMeans(m)) 
    user system elapsed 
    0.100 0.000 0.097 

但是，

system.time(apply(m,1,min)) 
    user system elapsed 
16.157 0.400 17.029 

獲得每行的最低值取超過100倍的時間，有沒有辦法加快速度？

Answer 1

快了很多你可以使用pmin，但你必須將矩陣的每一列都放入一個單獨的向量中。一種方法是將其轉換爲data.frame，然後通過do.call調用pmin（因爲data.frames是列表）。

system.time(do.call(pmin, as.data.frame(m))) 
# user system elapsed 
# 0.940 0.000 0.949 
system.time(apply(m,1,min)) 
# user system elapsed 
# 16.84 0.00 16.95 

Answer 2

library("sos") 
findFn("rowMin") 

得到一個砸在Biobase包，從Bioconductor的...

source("http://bioconductor.org/biocLite.R") 
biocLite("Biobase") 

m <- matrix(rnorm(10000000), ncol=10) 
system.time(rowMeans(m)) 
## user system elapsed 
## 0.132 0.148 0.279 
system.time(apply(m,1,min)) 
## user system elapsed 
## 11.825 1.688 13.603 
library(Biobase) 
system.time(rowMin(m)) 
## user system elapsed 
## 0.688 0.172 0.864 

不一樣快rowMeans，但比apply(...,1,min)

Answer 3

我一直想嘗試新的compiler包中的R 2.13.0。這基本上遵循由Dirk here概述的帖子。

library(compiler) 
library(rbenchmark) 
rowMin <- function(x, ind) apply(x, ind, min) 
crowMin <- cmpfun(rowMin) 

benchmark(
     rowMin(m,1) 
    , crowMin(m,1) 
    , columns=c("test", "replications","elapsed","relative") 
    , order="relative" 
    , replications=10) 
) 

而且結果：

  test replications elapsed relative 
2 crowMin(m, 1)   10 120.091 1.0000 
1 rowMin(m, 1)   10 122.745 1.0221 

Anticlimatic，至少可以說，雖然看起來很像你已經得到了其他一些不錯的選擇。

Answer 4

不是特別R-特質，但肯定是最快的方法，只是使用pmin和環比列：

x <- m[,1] 
for (i in 2:ncol(m)) x <- pmin(x, m[,i]) 

在我的機器運行時間超過rowMeans爲1E + 07x10矩陣不再僅僅3次，並且通過data.frame比do.call方法略快。

Answer 5

如果你要堅持CRAN的包，那麼無論是matrixStats和fBasics包裝具備的功能rowMins [注意s這是不是在Biobase功能]和各種其他行和列的統計數據。

Answer 6

晚會很晚，但作爲matrixStats的作者，如果有人發現這種情況，請注意matrixStats::rowMins()這幾天非常快，

library(microbenchmark) 
library(Biobase)  # rowMin() 
library(matrixStats) # rowMins() 
options(digits=3) 

m <- matrix(rnorm(10000000), ncol=10) 

stats <- microbenchmark(
    rowMeans(m), ## A benchmark by OP 
    rowMins(m), 
    rowMin(m), 
    do.call(pmin, as.data.frame(m)), 
    apply(m, MARGIN=1L, FUN=min), 
    times=10 
) 

> stats 
Unit: milliseconds 
          expr min  lq mean median  uq max 
         rowMeans(m) 77.7 82.7 85.7 84.4 90.3 98.2 
         rowMins(m) 72.9 74.1 88.0 79.0 90.2 147.4 
         rowMin(m) 341.1 347.1 395.9 383.4 395.1 607.7 
    do.call(pmin, as.data.frame(m)) 326.4 357.0 435.4 401.0 437.6 657.9 
apply(m, MARGIN = 1L, FUN = min) 3761.9 3963.8 4120.6 4109.8 4198.7 4567.4