如何在不使用 R 中的 for 循环的情况下编写此指标矩阵

我有一个由一系列数字给出的因子向量。这些因素也可以在单独的数据集中找到，称为test_set and train_set。以下代码的作用是查找数据集中的因子在因子向量中匹配的位置，并将 1 放在矩阵的位置。乘以这个矩阵compound_test by test_set$Compound应该给你compare_comp.

compare_comp <- rbind(dcm,cmp1)[,1]
compound_test <- matrix(0,nrow(test_set),length(compare_comp)) # test indicator matrix
compound_train <-matrix(0,nrow(train_set),length(compare_comp))

for (i in 1:length(compare_comp)){
  compound_test[which(compare_comp[i]==test_set$Compound),i]=1
  compound_train[which(compare_comp[i]==train_set$Compound),i]=1}

它对训练集和测试集执行此操作，compare_comp 是因子向量。

R 中是否有一个函数可以让我创建相同的东西而不需要 for 循环？我努力了model.matrix(~Compound,data=test_set)没有太多运气。

虽然您可能无法完全避免迭代，因为您正在比较每个元素compare_comp向量到完整向量Compound每一个test_set and train_set，但是您可以使用更紧凑的分配apply家庭职能。

具体来说，sapply返回布尔值的逻辑矩阵 (TRUE, FALSE）我们将其分配给初始化矩阵的相应位置，其中TRUE转换为 1 和FALSE to 0.

# SAPPLY AFTER MATRIX INITIALIZATION
compound_test2 <- matrix(0, nrow(test_set), length(compare_comp)) 
compound_train2 <- matrix(0, nrow(train_set), length(compare_comp))

compound_test2[] <- sapply(compare_comp, function(x) x == test_set$Compound)
compound_train2[] <- sapply(compare_comp, function(x) x == train_set$Compound)

或者，很少使用和已知的vapply（如同sapply但必须定义输出类型），返回等效矩阵，但作为数字类型。

# VAPPLY WITHOUT MATRIX INITIALIZATION
compound_test3 <- vapply(compare_comp, function(x) x == test_set$Compound, 
                         numeric(length(compare_comp)))

compound_train3 <- vapply(compare_comp, function(x) x == train_set$Compound,
                          numeric(length(compare_comp)))

使用随机数据进行测试确认（请参阅下面的演示），两个版本都与您的循环版本相同

identical(compound_test1, compound_test2)
identical(compound_train1, compound_train2)         
# [1] TRUE
# [1] TRUE

identical(compound_test1, compound_test3)
identical(compound_train1, compound_train3)     
# [1] TRUE
# [1] TRUE

Online Demo https://rextester.com/FUMJ83898