Question

经过几个小时的搜索，我转向你的专业知识。在R的初学者，我尝试加速我的代码。我的目标是替换矩阵A中的值。但是，我想基于另一个矩阵B的两个向量替换值。 B[, 1]是矩阵i的行A的名称。第二列B[, 2]对应于矩阵A的列名称。

我的代码的第一个版本是在循环中使用匹配函数。

for(k in 1:L){
  i <- B[k,1]
  j <- B[k,2]
  d <- match(i,rownames(A))
  e <- match(j,colnames(A))
  A[d, e] <- 0
  }

第二个版本让我加快了一点：

for( k in 1:L) {
  A[match(B[k,1],rownames(A)), match(B[k,2],colnames(A))] <- 0
  }

但是，处理时间太长，太长。所以我想使用apply函数。为此，我必须在apply的每个行向量中使用B。

使用apply功能是一个很好的方法吗？或者我的方向错了？

Answer 1

在我看来，你可以通过使用矩阵索引的力量来做A[B[, 1:2]] <- 0。

例如，A[cbind(1:4, 1:4)] <- 0会将A[1,1]，A[2,2]，A[3,3]和A[4,4]替换为0.事实上，如果A有＆＃34; dimnames＆＃34;属性（＆＃34; rownames＆＃34;和＆＃34; colnames＆＃34;你指的是），我们也可以使用字符串作为索引。

可重复的示例

A <- matrix(1:16, 4, 4, dimnames = list(letters[1:4], LETTERS[1:4]))
#  A B  C  D
#a 1 5  9 13
#b 2 6 10 14
#c 3 7 11 15
#d 4 8 12 16

set.seed(0); B <- cbind(sample(letters[1:4])), sample(LETTERS[1:4]))
#     [,1] [,2]
#[1,] "d"  "D" 
#[2,] "a"  "A" 
#[3,] "c"  "B" 
#[4,] "b"  "C" 

## since `B` has just 2 columns, we can use `B` rather than `B[, 1:2]`
A[B] <- 0

#  A B  C  D
#a 0 5  9 13
#b 2 6  0 14
#c 3 0 11 15
#d 4 8 12  0

替换由另一个矩阵

1 个答案: