另外两个解决方案:
第一个是问题中示例的修改
do.call("rbind", rep(list(A), n))
第二个涉及展开矩阵、复制它并重新组装它。
matrix(rep(t(A),n), ncol=ncol(A), byrow=TRUE)
既然要求的是效率,那么就需要对标
library("rbenchmark")
A <- matrix(1:15, nrow=3)
n <- 10
benchmark(rbind(A, A, A, A, A, A, A, A, A, A),
do.call("rbind", replicate(n, A, simplify=FALSE)),
do.call("rbind", rep(list(A), n)),
apply(A, 2, rep, n),
matrix(rep(t(A),n), ncol=ncol(A), byrow=TRUE),
order="relative", replications=100000)
这使:
test replications elapsed
1 rbind(A, A, A, A, A, A, A, A, A, A) 100000 0.91
3 do.call("rbind", rep(list(A), n)) 100000 1.42
5 matrix(rep(t(A), n), ncol = ncol(A), byrow = TRUE) 100000 2.20
2 do.call("rbind", replicate(n, A, simplify = FALSE)) 100000 3.03
4 apply(A, 2, rep, n) 100000 7.75
relative user.self sys.self user.child sys.child
1 1.000 0.91 0 NA NA
3 1.560 1.42 0 NA NA
5 2.418 2.19 0 NA NA
2 3.330 3.03 0 NA NA
4 8.516 7.73 0 NA NA
所以最快的是原始的rbind
调用,但这假设n
是固定的并且是提前知道的。如果n
不固定,那么最快的是do.call("rbind", rep(list(A), n)
。这些用于 3x5 矩阵和 10 次复制。不同大小的矩阵可能会给出不同的排序。
EDIT:
对于 n=600,结果的顺序不同(省略了显式的rbind
版本):
A <- matrix(1:15, nrow=3)
n <- 600
benchmark(do.call("rbind", replicate(n, A, simplify=FALSE)),
do.call("rbind", rep(list(A), n)),
apply(A, 2, rep, n),
matrix(rep(t(A),n), ncol=ncol(A), byrow=TRUE),
order="relative", replications=10000)
giving
test replications elapsed
4 matrix(rep(t(A), n), ncol = ncol(A), byrow = TRUE) 10000 1.74
3 apply(A, 2, rep, n) 10000 2.57
2 do.call("rbind", rep(list(A), n)) 10000 2.79
1 do.call("rbind", replicate(n, A, simplify = FALSE)) 10000 6.68
relative user.self sys.self user.child sys.child
4 1.000 1.75 0 NA NA
3 1.477 2.54 0 NA NA
2 1.603 2.79 0 NA NA
1 3.839 6.65 0 NA NA
如果您包括明确的rbind
版本,它比do.call("rbind", rep(list(A), n))
版本,但不是很多,而且比这两个版本都慢apply
or matrix
版本。所以泛化到任意n
在这种情况下不需要损失速度。