我编写了一个简短的“for”循环来查找数据帧中每一行与所有其他行之间的最小欧几里德距离(并记录哪一行最接近)。理论上,这可以避免与尝试计算非常大的矩阵的距离度量相关的错误。然而,虽然内存中保存的内容不多,但对于大型矩阵来说速度非常慢(我的约 150K 行的用例仍在运行)。
我想知道是否有人可以在使用 apply 或类似功能矢量化我的函数方面为我提供建议或指出正确的方向。对于看似简单的问题表示歉意,但我仍在努力以矢量化的方式思考。
预先感谢(以及您的耐心)。
require(proxy)
df<-data.frame(matrix(runif(10*10),nrow=10,ncol=10), row.names=paste("site",seq(1:10)))
min.dist<-function(df) {
#df for results
all.min.dist<-data.frame()
#set up for loop
for(k in 1:nrow(df)) {
#calcuate dissimilarity between each row and all other rows
df.dist<-dist(df[k,],df[-k,])
# find minimum distance
min.dist<-min(df.dist)
# get rowname for minimum distance (id of nearest point)
closest.row<-row.names(df)[-k][which.min(df.dist)]
#combine outputs
all.min.dist<-rbind(all.min.dist,data.frame(orig_row=row.names(df)[k],
dist=min.dist, closest_row=closest.row))
}
#return results
return(all.min.dist)
}
#example
min.dist(df)
这应该是一个好的开始。它使用快速矩阵运算并避免不断增长的对象构造,这两者都在评论中建议。
min.dist <- function(df) {
which.closest <- function(k, df) {
d <- colSums((df[, -k] - df[, k]) ^ 2)
m <- which.min(d)
data.frame(orig_row = row.names(df)[k],
dist = sqrt(d[m]),
closest_row = row.names(df)[-k][m])
}
do.call(rbind, lapply(1:nrow(df), which.closest, t(as.matrix(df))))
}
如果这仍然太慢,作为建议的改进,您可以计算距离k一次指向一个点而不是单个点。的大小k需要在速度和内存使用之间进行折衷。
Edit:另请阅读https://stackoverflow.com/a/16670220/1201032
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)