R：将模糊的 table 转换为矩阵

Question

我有 table 看起来像这样：

Row Col Value
1   1   31
1   2   56
1   8   13
2   1   83
2   2   51
2   9   16
3   2   53

我需要将此 table 转换为矩阵（Row 列代表行，Col 列代表列）。对于这样的输出：

   1  2  3  4  5  6  7  8  9 
1 31 56 NA NA NA NA NA 13 NA
2 81 51 NA NA NA NA NA NA 16
3 NA 53 NA NA NA NA NA NA NA

我相信有一种快速的方法可以做我想做的事，因为我的解决方案是循环每个 row/column 组合和 cbind 一切。

可重现的例子：

require(data.table)
myTable <- data.table(
           Row = c(1,1,1,2,2,2,3),
           Col = c(1,2,8,1,2,9,1),
           Value = c(31,56,13,83,51,16,53))

Answer 1

直截了当：

dat <- data.frame(
         Row = c(1,1,1,2,2,2,3),
       Col = c(1,2,8,1,2,9,1),
       Value = c(31,56,13,83,51,16,53))
m = matrix(NA, nrow = max(dat$Row), ncol = max(dat$Col))
m[cbind(dat$Row, dat$Col)] = dat$Value
m

Answer 2

xtabs 如果您可以在 NA.

的位置使用“0”，则基数 R 中的

xtabs 非常适合此操作

这将是基本方法：

xtabs(Value ~ Row + Col, myTable)
#    Col
# Row  1  2  8  9
#   1 31 56 13  0
#   2 83 51  0 16
#   3 53  0  0  0

但是，这并不能填补空白，因为并非所有因子水平都可用。您可以单独或即时执行此操作，如下所示：

xtabs(Value ~ factor(Row, sequence(max(Row))) + 
      factor(Col, sequence(max(Col))), myTable)
#                                factor(Col, sequence(max(Col)))
# factor(Row, sequence(max(Row)))  1  2  3  4  5  6  7  8  9
#                               1 31 56  0  0  0  0  0 13  0
#                               2 83 51  0  0  0  0  0  0 16
#                               3 53  0  0  0  0  0  0  0  0

推而广之，这意味着如果 "Row" 和 "Col" 值是因子，dcast.data.table 应该也有效：

dcast.data.table(myTable, Row ~ Col, value.var = "Value", drop = FALSE)

（但由于某种原因它没有在我的测试中。我必须做 library(reshape2); dcast(myTable, Row ~ Col, value.var = "Value", drop = FALSE) 才能让它工作，因此没有利用 "data.table" 速度。）

Answer 3

稀疏矩阵。你可能想要一个稀疏矩阵

require(Matrix) # doesn't require installation
mySmat <- with(myTable,sparseMatrix(Row,Col,x=Value))

这给出了

3 x 9 sparse Matrix of class "dgCMatrix"

[1,] 31 56 . . . . . 13  .
[2,] 83 51 . . . . .  . 16
[3,] 53  . . . . . .  .  .

Matrix. 如果你真的需要一个 matrix-class 对象 NAs，有

myMat <- as.matrix(mySmat)
myMat[myMat==0] <- NA

这给出了

     [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9]
[1,]   31   56   NA   NA   NA   NA   NA   13   NA
[2,]   83   51   NA   NA   NA   NA   NA   NA   16
[3,]   53   NA   NA   NA   NA   NA   NA   NA   NA

效率方面的考虑。对于较短的代码：

myMat <- with(myTable,as.matrix(sparseMatrix(Row,Col,x=Value)))
myMat[myMat==0] <- NA

为了更快的速度（但比创建稀疏矩阵慢），初始化为 NA 然后填充，就像@jimmyb 和@bgoldst 做的那样：

myMat <- with(myTable,matrix(,max(Row),max(Col)))
myMat[cbind(myTable$Row,myTable$Col)] <- myTable$Value

仅当您坚持 NAs 超过零时才需要此解决方法。稀疏矩阵几乎肯定是您应该使用的。创建和使用它应该更快；并且存储它应该占用更少的内存。

Answer 4

我认为实现这一点的最简洁和高效的方法是用 NA 预分配矩阵，然后通过手动计算 Row 和 Col 的线性索引来分配向量切片：

df <- data.frame(Row=c(1,1,1,2,2,2,3), Col=c(1,2,8,1,2,9,2), Value=c(31,56,13,83,51,16,53) );
m <- matrix(NA,max(df$Row),max(df$Col));
m[(df$Col-1)*nrow(m)+df$Row] <- df$Value;
m;
##      [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9]
## [1,]   31   56   NA   NA   NA   NA   NA   13   NA
## [2,]   83   51   NA   NA   NA   NA   NA   NA   16
## [3,]   NA   53   NA   NA   NA   NA   NA   NA   NA

R：将模糊的 table 转换为矩阵

R: Convert obscure table into matrix

r

data.table