R：成对矩阵的向量化循环

Question

我希望对 R 中的一个循环进行矢量化，该循环计算与建议顺序相关的成对矩阵的元素。

这个问题用例子更容易理解：

给定一个示例矩阵

m <- matrix(c(0,2,1,0,0,2,2,1,0), nrow = 3)
row.names(m) <- colnames(m) <- c("apple", "orange", "pear")

您可以想象 m 的列来标识一个人选择一种水果而不是另一种水果的次数。比如m中有1个人选择了苹果而不是梨，但是有两个人选择了梨而不是苹果。

因此，给定一个表示三种水果受欢迎程度的建议顺序：

p.order <- c("apple" =  2, "orange" = 1, "pear" = 3)

我想统计p.order不能很好地代表他们的选择的人数。

为此，我有一个工作正常的循环：

new.m <- array(dim = c(nrow(m), nrow(m)))

for(p in 1:nrow(m)){ 
  for(q in 1:nrow(m)){
    new.m[p,q] <- 0 + (p.order[p] < p.order[q])
  }
}
sum(m * new.m)

但是考虑到足够大的问题，这个循环很慢。

有没有办法矢量化（或加速）这个循环？

更新根据要求，已接受解决方案的性能：

循环函数：

loop.function <- function(p.order, mat){
  nt <- nrow(mat)
  new.m <- array(dim=c(nt,nt))
  for(p in 1:nt){ for(q in 1:nt){ new.m[p,q] <- 0 + (p.order[p] < p.order[q])}}
  return(sum(mat * new.m))
}

矢量化函数：

  vec.function <- function(p.order, mat){
    return(sum(mat * outer(p.order, p.order, FUN = `<`)))
  }

性能：

Unit: microseconds
                      expr  min   lq   mean median    uq    max neval
 loop.function(p.order, m) 14.4 14.7 93.049   14.9 15.15 7805.5   100
  vec.function(p.order, m)  7.6  8.1 33.850    8.3  8.60 2474.9   100
 cld
   a
   a

Answer 1

这是一个矢量化选项 outer

sum(m * outer(p.order, p.order, FUN = `<`))
#[1] 5

R：成对矩阵的向量化循环

R: Vectorize loop for pairwise matrix

performance

r

matrix

vectorization