向量化矩阵行中的操作

Question

我想对矩阵 X 上的 which 操作进行矢量化 (apply)，如下面的 for 循环所示，结果为矢量 ind:

X   = matrix( 1:20, 4, 5 )
V   = sample( 1:20, 4 )
ind = numeric()
for( i in 1:nrow(X) ) ind[i] = max( c(0, which(X[i,] < V[i]) ))

操作returns in ind for each row in X the index of the element with the highest value smaller by the value by the X-row -V.

的对应元素

操作max将所有符合条件的索引的向量映射到一个标量。或者，我会对返回的操作感到满意，例如所有索引的 list（我可以 lapply max）。

Answer 1

这是一个简单的lapply示例

X   = matrix( 1:20, 4, 5 )
V   = sample( 1:20, 4 )
ind = numeric()
for( i in 1:nrow(X) ) ind[i] = max( c(0, which(X[i,] < V[i]) ))

mymax = function(matrix, sample) {
    whichlist = which(matrix < sample)
    max(0, whichlist)
}
ind2 = unlist(lapply(1:nrow(X), function(r) mymax(X[r,], V[r])))

identical(ind, ind2)
# [1] TRUE

Answer 2

这是另一个答案，您首先 sweep 向量 V 跨越 X 的每一行，然后使用 apply 确定每个行的最大 TRUE 元素行。

set.seed(14)
X   = matrix( 1:20, 4, 5 )
V   = sample( 1:20, 4 )
ind1 = numeric()
for( i in 1:nrow(X) ) ind1[i] =  max(c(0, which(X[i,] < V[i]) ))



ind2 <- apply(
  sweep(X, 1, V, "<"),
  1,
  function(x){
    max(
    which(
      x,
      arr.ind = TRUE)
    )
  }
)


> ind1
[1] 2 5 2 4
> ind2
[1] 2 5 2 4

Answer 3

如果你的矩阵像你分享的例子一样增加值（我当然怀疑），但如果是这样你可以简单地做，

rowSums(X < V)
#[1] 4 3 4 0

然而，如果不是这种情况，那么一个简单的 apply 就足够了，即

apply(X < V, 1, function(i)max(which(i)))
#[1]    4    3    4 -Inf

请记住，所有数学运算都是向量化的，因此 < 是向量化的

你可以照常替换-Inf

Answer 4

apply(
    (X < V) * X
    , 1
    , which.max
)

向量化矩阵行中的操作

Vectorizing which operation across the rows of a matrix

r

vectorization