作者celestialgod (天)
看板R_Language
標題Re: [問題] list對應座標的運算
時間Tue Apr 24 19:21:28 2018
※ 引述《ntpuisbest (阿龍)》之銘言：
: 我有個list
: 長這樣
: https://imgur.com/glWVNGb
: 他是一個模擬得到的VCOV variance covariance矩陣
: 我希望做到對應的座標取平均
: 也就是
: https://imgur.com/tcpNNnY
: 希望回傳的也是一個三成三的list
: 不知道怎麼做
: 發現lapply 也沒用QAQ
給四個方法參考XD
library(abind)
# data
l <- replicate(3L, matrix(rnorm(9), 3), FALSE)
# method 1
apply(abind(l, along = 3L), 1:2, mean)
# [,1] [,2] [,3]
# [1,] 0.08595378 -0.9663702 -0.7770976
# [2,] 0.13758227 0.4697197 0.2799617
# [3,] -0.57574027 -0.4079516 -0.9508097
# method 2
apply(array(unlist(l), dim=rep(3,3)), 1:2, mean)
# [,1] [,2] [,3]
# [1,] 0.08595378 -0.9663702 -0.7770976
# [2,] 0.13758227 0.4697197 0.2799617
# [3,] -0.57574027 -0.4079516 -0.9508097
# method 3
Reduce("+", l) / length(l)
# [,1] [,2] [,3]
# [1,] 0.08595378 -0.9663702 -0.7770976
# [2,] 0.13758227 0.4697197 0.2799617
# [3,] -0.57574027 -0.4079516 -0.9508097
# method 4
out <- l[[1]]
for (i in 2L:length(l))
out <- out + l[[i]]
out / length(l)
# [,1] [,2] [,3]
# [1,] 0.08595378 -0.9663702 -0.7770976
# [2,] 0.13758227 0.4697197 0.2799617
# [3,] -0.57574027 -0.4079516 -0.9508097
我做了一下benchmark.... 正如我推文所說的，for比較快XD
# benchmark
forFunc <- function(l){
out <- l[[1]]
for (i in 2L:length(l))
out <- out + l[[i]]
out / length(l)
}
library(microbenchmark)
l <- replicate(3e3, matrix(rnorm(200^2), 200), FALSE)
print(object.size(l), units = "Gb") # 0.9 Gb
microbenchmark(method1 = apply(abind(l, along = 3L), 1:2, mean),
method2 = apply(array(unlist(l),
dim=c(nrow(l[[1]]), ncol(l[[1]]), 3)),
1:2, mean),
method3 = Reduce("+", l) / length(l),
method4 = forFunc(l), times = 20L)
# Unit: milliseconds
# expr min lq mean median uq max neval
# method1 2481.3607 2681.3842 2730.1426 2776.8715 2803.6407 2821.4399 20
# method2 474.9360 485.1195 531.9193 488.4900 582.2409 670.2529 20
# method3 123.0389 124.6572 144.5512 126.9948 132.6468 310.0517 20
# method4 121.3197 123.1581 127.6650 126.5533 131.4164 139.4469 20
記憶體使用方面，abind是裡面最花記憶體的
雖然使用上滿簡單的，但不建議使用abind
# memory usage
library(data.table)
library(profmem)
memUsageList <- vector("list", 4L)
memUsageList[[1]] <- profmem({apply(abind(l, along = 3L), 1:2, mean)})
memUsageList[[2]] <- profmem({
apply(array(unlist(l), dim=c(nrow(l[[1]]), ncol(l[[1]]), 3)), 1:2, mean)
})
memUsageList[[3]] <- profmem({Reduce("+", l) / length(l)})
memUsageList[[4]] <- profmem({forFunc(l)})
data.table(methods = paste0("method", 1:4),
"memory (Mb)" = sapply(memUsageList, total) / 2^20)
# methods memory (Mb)
# 1: method1 5076.6124
# 2: method2 918.5794
# 3: method3 915.6992
# 4: method4 915.6418
以上，供你參考
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.38.104.189
※ 文章網址: https://webptt.com/m.aspx?n=bbs/R_Language/M.1524568892.A.5C0.html
1F：→ ntpuisbest: 非常感謝 04/24 19:33
2F：→ clansoda: 我有一個問題，我用apply只做過1跟2，這個1 : 2是什麼 04/24 19:44
apply(a, 1:2, FUN)是對第1跟第2維度做FUN
3F：推 Edster: array(1:210, c(2,3,5,7)) %>% apply(., c(1,3), mean) 04/24 21:08
4F：→ Edster: 還可以這樣喔. 04/24 21:09
我個人是不用apply XD 太慢XDDD，資料小的話才會考慮...
※ 編輯: celestialgod (114.38.104.189), 04/24/2018 21:59:48
5F：推 cywhale: 推一個，原來測memory usage 可以這樣寫 04/24 22:31