R中非常大的稀疏矩阵的列重新缩放
Posted
技术标签:
【中文标题】R中非常大的稀疏矩阵的列重新缩放【英文标题】:Column rescaling for a very large sparse matrix in R 【发布时间】:2017-01-10 02:52:35 【问题描述】:我在 R 中有一个非常大 (~500,000 x ~500,000) 的稀疏矩阵,我正在尝试将每一列除以其总和:
sm = t(t(sm) / colSums(sm))
但是,当我这样做时,我收到以下错误:
# Error in evaluating the argument 'x' in selecting a method for function 't':
# Error: cannot allocate vector of size 721.1 Gb
在 R 中有没有更好的方法来做到这一点?我能够很好地存储colSums
,以及计算和存储稀疏矩阵的转置,但是在尝试执行"/"
时问题似乎出现了。看起来稀疏矩阵在这里转换为全密集矩阵。
任何帮助将不胜感激。谢谢!
【问题讨论】:
sweep(sm, 2, colSums(sm), `/`)
呢?
与已删除建议相同的错误:> sm = sweep(sm, 2, colSums(sm), /
) 错误:无法分配大小为 1442.2 Gb 的向量
【参考方案1】:
这是我们可以做的,假设A
是dgCMatrix
:
A@x <- A@x / rep.int(colSums(A), diff(A@p))
这需要对dgCMatrix
类有所了解。
@x
将非零矩阵值存储在压缩的一维数组中;
@p
按列存储非零元素的累积数量,因此diff(A@p)
给出每列的非零元素数量。
我们通过该列中非零元素的数量重复colSums(A)
的每个元素,然后将A@x
除以该向量。为此,我们通过重新调整的值更新A@x
。这样,列重缩放以稀疏的方式完成。
示例:
library(Matrix)
set.seed(2); A <- Matrix(rbinom(100,10,0.05), nrow = 10)
#10 x 10 sparse Matrix of class "dgCMatrix"
# [1,] . . 1 . 2 . 1 . . 2
# [2,] 1 . . . . . 1 . 1 .
# [3,] . 1 1 1 . 1 1 . . .
# [4,] . . . 1 . 2 . . . .
# [5,] 2 . . . 2 . 1 . . .
# [6,] 2 1 . 1 1 1 . 1 1 .
# [7,] . 2 . 1 2 1 . . 2 .
# [8,] 1 . . . . 3 . 1 . .
# [9,] . . 2 1 . 1 . . 1 .
#[10,] . . . . 1 1 . . . .
diff(A@p) ## number of non-zeros per column
# [1] 4 3 3 5 5 7 4 2 4 1
colSums(A) ## column sums
# [1] 6 4 4 5 8 10 4 2 5 2
A@x <- A@x / rep.int(colSums(A), diff(A@p)) ## sparse column rescaling
#10 x 10 sparse Matrix of class "dgCMatrix"
# [1,] . . 0.25 . 0.250 . 0.25 . . 1
# [2,] 0.1666667 . . . . . 0.25 . 0.2 .
# [3,] . 0.25 0.25 0.2 . 0.1 0.25 . . .
# [4,] . . . 0.2 . 0.2 . . . .
# [5,] 0.3333333 . . . 0.250 . 0.25 . . .
# [6,] 0.3333333 0.25 . 0.2 0.125 0.1 . 0.5 0.2 .
# [7,] . 0.50 . 0.2 0.250 0.1 . . 0.4 .
# [8,] 0.1666667 . . . . 0.3 . 0.5 . .
# [9,] . . 0.50 0.2 . 0.1 . . 0.2 .
#[10,] . . . . 0.125 0.1 . . . .
@thelatemail 提到了另一种方法,首先将dgCMatrix
转换为dgTMatrix
:
AA <- as(A, "dgTMatrix")
A@x <- A@x / colSumns(A)[AA@j + 1L]
对于dgTMatrix
类,没有@p
但@j
,为非零矩阵元素提供列索引(基于0)。
【讨论】:
如果您转换为dgTMatrix
- A <- as(A,"dgTMatrix")
,您可以使用A@x / colSums(A)[A@j+1]
,因为它有一个用于列索引的A@j
插槽。不错的答案 - 我学到了关于稀疏矩阵的一两件事:-)
通常我使用B = A %*% Diagonal(x = 1 / colSums(A))
。但似乎您的解决方案 (A@x <- A@x / rep.int(colSums(A), diff(A@p))
) 有点快 (~2x-3x)。 +1以上是关于R中非常大的稀疏矩阵的列重新缩放的主要内容,如果未能解决你的问题,请参考以下文章