功能比在R中应用(...,...,范围)更快

我在编写apply()时遇到了问题,这个问题很慢.我的任务是在不使用apply()的情况下给出Matrix的行范围.我正在努力,但我仍然需要帮助......

这是我到目前为止所得到的:

row.range <- function(X){
  Y <- matrix(0, nrow = nrow(X), ncol = 2)

    for(i in nrow(X)){
    Y[i, 1] <- min(X[i, ])
    Y[i, 2] <- max(X[i, ])
  }
  return(Y)
  print(Y)
}

其中X可以是任何数字矩阵.可悲的是,输出只有0,除了我实际得到正确的最小值和最大值的最后一行.为什么这只适用于最后一行？

为了测试我用过:

M <- matrix(sample(1:6, size = 100 * 5, replace = TRUE), ncol = 5)
row.range(X)

任何帮助将非常感谢:-)

使用较小的可重复示例

set.seed(123)
M <- matrix(sample(1:6, size = 10 * 5, replace = TRUE), ncol = 5)

您可以尝试已经完全优化的matrixStats::rowRanges功能

matrixStats::rowRanges(M)
#       [,1] [,2]
#  [1,]    1    6
#  [2,]    3    6
#  [3,]    3    5
#  [4,]    3    6
#  [5,]    1    6
#  [6,]    1    6
#  [7,]    2    5
#  [8,]    1    6
#  [9,]    2    4
# [10,]    1    6

或者基本R矢量化max.col函数

cbind(M[cbind(1:nrow(M), max.col(-M))],
      M[cbind(1:nrow(M), max.col(M))])
#       [,1] [,2]
#  [1,]    1    6
#  [2,]    3    6
#  [3,]    3    5
#  [4,]    3    6
#  [5,]    1    6
#  [6,]    1    6
#  [7,]    2    5
#  [8,]    1    6
#  [9,]    2    4
# [10,]    1    6

另一个半矢量化基础R使用它pmin/pmax结合do.call(也提供可能的NA处理),但这需要将矩阵转换为data.frame(不推荐)

DF <- as.data.frame(M)
cbind(do.call(pmin.int, c(na.rm = TRUE, DF)),
      do.call(pmax.int, c(na.rm = TRUE, DF)))
#       [,1] [,2]
#  [1,]    1    6
#  [2,]    3    6
#  [3,]    3    5
#  [4,]    3    6
#  [5,]    1    6
#  [6,]    1    6
#  [7,]    2    5
#  [8,]    1    6
#  [9,]    2    4
# [10,]    1    6

由于R是矢量化语言,因此行操作通常很慢,因此要么尝试向量化,要么使用诸如Rcpp之类的包来编写已编译的C/C++循环(如第一种情况中所做的那样)

在大多数激进的情况下,您仍然希望使用编译器包大大优化您的循环

至于你的for循环(正如@PereG已经提到的那样)你有一个语法错误.而不for(i in nrow(X))应该这样for(i in 1:nrow(X)).否则,您只在最后一行操作.