R - 给定一个矩阵和一个幂，生成多个矩阵，其中包含矩阵列的所有唯一组合
Posted
技术标签:
【中文标题】R - 给定一个矩阵和一个幂，生成多个矩阵，其中包含矩阵列的所有唯一组合【英文标题】：R - Given a matrix and a power, produce multiple matrices containing all unique combinations of matrix columns 【发布时间】：2018-09-07 09:34:14 【问题描述】：根据我在下面链接的相关问题（请参阅@Aleh 解决方案）：我希望只计算给定幂的矩阵中列之间的唯一乘积。
例如，对于 N=5,M=3, p=2，我们得到列 (1,1), (1,2), (1,3), (2,1), (2 ,2), (2,3), (3,1), (3,2), (3,3)。我想修改（@Aleh's）代码以仅计算列（1,1），（1,2），（1,3），（2,2），（2,3），（3,3）之间的产品.但我想为每个 p 次订单执行此操作。
有人可以帮我在 R 中完成这个吗？
非常感谢！
相关问题提问：R - Given a matrix and a power, produce multiple matrices containing all combinations of matrix columns
【问题讨论】：
如果M=4 和 p=2 你会期望 16 列正确吗？
@MikeH。你注意到一个错误！对于我上面的例子，我的意思是M=3。它已得到纠正。当M=4 和p=2 时，原来的 16 列应该减少到只有 10 个唯一列 [(1,1,), (1,2), (1,3), (1,4), (2, 2), (2,3), (2,4), (3,3), (3,4), (4,4)].
@MikeH。需要减少到上面给出的 10 个唯一列的原始 16 列是：[(1,1,)、(1,2)、(1,3)、(1,4)、(2,1) , (2,2), (2,3), (2,4), (3,1), (3,2), (3,3), (3,4), (4,1), ( 4,2), (4,3), ((4,4)]
您能否量化您的效率要求？ M、N 和 p 的实际值是多少？
感谢您的解决方案！ @RalfStubner M 通常在 25 岁以下，而 N 可以在 5000-10,000 之间。 p 通常不大于 3，但最多为 4。
【参考方案1】：
我们创建了以下函数，它将所有“唯一”排列与所选的p 相乘，并乘以矩阵的相关列：
fun <- function(mat,p)
mat <- as.data.frame(mat)
combs <- do.call(expand.grid,rep(list(seq(ncol(mat))),p)) # all combinations including permutations of same values
combs <- combs[!apply(combs,1,is.unsorted),] # "unique" permutations only
rownames(combs) <- apply(combs,1,paste,collapse="-") # Just for display of output, we keep info of combinations in rownames
combs <- combs[order(rownames(combs)),] # sort to have desired column order on output
apply(combs,1,function(x) Reduce(`*`,mat[,x])) # multiply the relevant columns
示例
N = 5
M = 3
mat1 = matrix(1:(N*M),N,M)
# [,1] [,2] [,3]
# [1,] 1 6 11
# [2,] 2 7 12
# [3,] 3 8 13
# [4,] 4 9 14
# [5,] 5 10 15
M = 4
mat2 = matrix(1:(N*M),N,M)
# [,1] [,2] [,3] [,4]
# [1,] 1 6 11 16
# [2,] 2 7 12 17
# [3,] 3 8 13 18
# [4,] 4 9 14 19
# [5,] 5 10 15 20
lapply(2:4,fun,mat=mat1)
# [[1]]
# 1-1 1-2 1-3 2-2 2-3 3-3
# [1,] 1 6 11 36 66 121
# [2,] 4 14 24 49 84 144
# [3,] 9 24 39 64 104 169
# [4,] 16 36 56 81 126 196
# [5,] 25 50 75 100 150 225
#
# [[2]]
# 1-1-1 1-1-2 1-1-3 1-2-2 1-2-3 1-3-3 2-2-2 2-2-3 2-3-3 3-3-3
# [1,] 1 6 11 36 66 121 216 396 726 1331
# [2,] 8 28 48 98 168 288 343 588 1008 1728
# [3,] 27 72 117 192 312 507 512 832 1352 2197
# [4,] 64 144 224 324 504 784 729 1134 1764 2744
# [5,] 125 250 375 500 750 1125 1000 1500 2250 3375
#
# [[3]]
# 1-1-1-1 1-1-1-2 1-1-1-3 1-1-2-2 1-1-2-3 1-1-3-3 1-2-2-2 1-2-2-3 1-2-3-3 1-3-3-3 2-2-2-2 2-2-2-3 2-2-3-3 2-3-3-3 3-3-3-3
# [1,] 1 6 11 36 66 121 216 396 726 1331 1296 2376 4356 7986 14641
# [2,] 16 56 96 196 336 576 686 1176 2016 3456 2401 4116 7056 12096 20736
# [3,] 81 216 351 576 936 1521 1536 2496 4056 6591 4096 6656 10816 17576 28561
# [4,] 256 576 896 1296 2016 3136 2916 4536 7056 10976 6561 10206 15876 24696 38416
# [5,] 625 1250 1875 2500 3750 5625 5000 7500 11250 16875 10000 15000 22500 33750 50625
fun(mat2,2)
# 1-1 1-2 1-3 1-4 2-2 2-3 2-4 3-3 3-4 4-4
# [1,] 1 6 11 16 36 66 96 121 176 256
# [2,] 4 14 24 34 49 84 119 144 204 289
# [3,] 9 24 39 54 64 104 144 169 234 324
# [4,] 16 36 56 76 81 126 171 196 266 361
# [5,] 25 50 75 100 100 150 200 225 300 400
【讨论】：
【参考方案2】：如果我对您的理解正确，那么这就是您要查找的内容：
# all combinations of p elements out of M with repetiton
# c.f. http://www.mathsisfun.com/combinatorics/combinations-permutations.html
comb_rep <- function(p, M)
combn(M + p - 1, p) - 0:(p - 1)
# use cols from mat to form a new matrix
# take row products
col_prod <- function(cols, mat)
apply(mat[ ,cols], 1, prod)
N <- 5
M <- 3
p <- 3
mat <- matrix(1:(N*M),N,M)
col_comb <- lapply(2:p, comb_rep, M)
col_comb
#> [[1]]
#> [,1] [,2] [,3] [,4] [,5] [,6]
#> [1,] 1 1 1 2 2 3
#> [2,] 1 2 3 2 3 3
#>
#> [[2]]
#> [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
#> [1,] 1 1 1 1 1 1 2 2 2 3
#> [2,] 1 1 1 2 2 3 2 2 3 3
#> [3,] 1 2 3 2 3 3 2 3 3 3
# prepend original matrix
res_mat <- list()
res_mat[[1]] <- mat
c(res_mat,
lapply(col_comb, function(cols) apply(cols, 2, col_prod, mat)))
#> [[1]]
#> [,1] [,2] [,3]
#> [1,] 1 6 11
#> [2,] 2 7 12
#> [3,] 3 8 13
#> [4,] 4 9 14
#> [5,] 5 10 15
#>
#> [[2]]
#> [,1] [,2] [,3] [,4] [,5] [,6]
#> [1,] 1 6 11 36 66 121
#> [2,] 4 14 24 49 84 144
#> [3,] 9 24 39 64 104 169
#> [4,] 16 36 56 81 126 196
#> [5,] 25 50 75 100 150 225
#>
#> [[3]]
#> [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
#> [1,] 1 6 11 36 66 121 216 396 726 1331
#> [2,] 8 28 48 98 168 288 343 588 1008 1728
#> [3,] 27 72 117 192 312 507 512 832 1352 2197
#> [4,] 64 144 224 324 504 784 729 1134 1764 2744
#> [5,] 125 250 375 500 750 1125 1000 1500 2250 3375
不过，它并不是很有效，因为例如三次方是从原始矩阵的三列计算的，而不是原始矩阵的一列和二次方的一列。
编辑： 使用 cmets 中提到的实际大小进行测试表明，@Moody_Mudskipper 的乘法方法快得多，而我的组合方法要快一些。所以将两者结合起来是有意义的：
# original function from @Moody_Mudskipper's answer
fun <- function(mat,p)
mat <- as.data.frame(mat)
combs <- do.call(expand.grid,rep(list(seq(ncol(mat))),p)) # all combinations including permutations of same values
combs <- combs[!apply(combs,1,is.unsorted),] # "unique" permutations only
rownames(combs) <- apply(combs,1,paste,collapse="-") # Just for display of output, we keep info of combinations in rownames
combs <- combs[order(rownames(combs)),] # sort to have desired column order on output
apply(combs,1,function(x) Reduce(`*`,mat[,x])) # multiply the relevant columns
combined <- function(mat, p)
mat <- as.data.frame(mat)
combs <- combn(ncol(mat) + p - 1, p) - 0:(p - 1) # all combinations with repetition
colnames(combs) <- apply(combs, 2, paste, collapse = "-") # Just for display of output, we keep info of combinations in colnames
apply(combs, 2, function(x) Reduce(`*`, mat[ ,x])) # multiply the relevant columns
N <- 10000
M <- 25
p <- 4
mat <- matrix(runif(N*M),N,M)
microbenchmark::microbenchmark(
fun(mat, p),
combined(mat, p),
times = 10
)
#> Unit: seconds
#> expr min lq mean median uq max neval
#> fun(mat, p) 3.456853 3.698680 4.067995 4.032647 4.341944 4.869527 10
#> combined(mat, p) 2.543994 2.738313 2.870446 2.793768 3.090498 3.254232 10
请注意，对于 M > 9，这两个函数不会产生相同的结果，因为列顺序不同是由于 1-10 < 1-2 的词法排序在 fun 中使用的。如果在combined 中插入相同的词法排序，结果将是相同的。
【讨论】：
结合这两种方法做得很好:) 非常好！赏金颁发。感谢你们或你们的努力。以上是关于R - 给定一个矩阵和一个幂，生成多个矩阵，其中包含矩阵列的所有唯一组合的主要内容，如果未能解决你的问题，请参考以下文章
R：如何在给定行和列标签以及二元运算符的情况下构造数据框/矩阵