在 R 中高效计算 3d 数组的行和

考虑数组a:

> a <- array(c(1:9, 1:9), c(3,3,2))
> a
, , 1

     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9

, , 2

     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9

我们如何有效地计算由第三维索引的矩阵的行和，使得结果为：

     [,1] [,2]
[1,]   12   12
[2,]   15   15
[3,]   18   18

??

列的总和很容易通过'dims'的论证colSums():

> colSums(a, dims = 1)

但我找不到使用的方法rowSums()在数组上实现所需的结果，因为它有不同的解释'dims'到那个colSums().

使用以下方法可以简单地计算所需的行总和：

> apply(a, 3, rowSums)
     [,1] [,2]
[1,]   12   12
[2,]   15   15
[3,]   18   18

但这只是隐藏了循环。是否还有其他有效的、真正矢量化的方法来计算所需的行总和？

@Fojtasek 的回答提到拆分数组让我想起了aperm()允许人们排列数组维度的函数。作为colSums()有效，我们可以使用交换前两个维度aperm()并运行colSums()在输出上。

> colSums(aperm(a, c(2,1,3)))
     [,1] [,2]
[1,]   12   12
[2,]   15   15
[3,]   18   18

这个和其他建议的基于 R 的答案的一些比较时间：

> b <- array(c(1:250000, 1:250000),c(5000,5000,2))
> system.time(rs1 <- apply(b, 3, rowSums))
   user  system elapsed 
  1.831   0.394   2.232 
> system.time(rs2 <- rowSums3d(b))
   user  system elapsed 
  1.134   0.183   1.320 
> system.time(rs3 <- sapply(1:dim(b)[3], function(i) rowSums(b[,,i])))
   user  system elapsed 
  1.556   0.073   1.636
> system.time(rs4 <- colSums(aperm(b, c(2,1,3))))
   user  system elapsed 
  0.860   0.103   0.966 

所以在我的系统上aperm()解决方案看起来稍微快一些：

> sessionInfo()
R version 2.12.1 Patched (2011-02-06 r54249)
Platform: x86_64-unknown-linux-gnu (64-bit)

然而，rowSums3d()没有给出与其他解决方案相同的答案：

> all.equal(rs1, rs2)
[1] "Mean relative difference: 0.01999992"
> all.equal(rs1, rs3)
[1] TRUE
> all.equal(rs1, rs4)
[1] TRUE