关于矩阵：比较两个矩阵R之间的信息

compare the information between two matrices R

我有两个矩阵，一个是通过删除一些行从另一个生成的。例如：

1 2	m = matrix(1:18, 6, 3) m1 = m[c(-1, -3, -6),]

假设我不知道 m 中的哪些行被删除来创建 m1，我应该如何通过比较两个矩阵来找到它？我想要的结果是这样的：

1, 3, 6

我正在处理的实际矩阵非常大。我想知道是否有任何有效的方法来进行。

这里有一些方法：

1) 如果我们可以假设 m 中没有重复的行——问题示例中就是这种情况——那么：

1 2	which(tail(!duplicated(rbind(m1, m)), nrow(m))) ## [1] 1 3 6

2) 转置 m 和 m1 给出 tm 和 tm1 因为在列上工作比在行上工作更有效。

定义 match_indexes(i)，它返回一个向量 r，使得 m[r, ] 中的每一行都匹配 m1[i, ]。

将其应用于 1:n1 中的每个 i 并从 1:n 中删除结果。

1
2
3
4
5
6

n <- nrow(m); n1 <- nrow(m1)
tm <- t(m); tm1 <- t(m1)

match_indexes <- function(i) which(colSums(tm1[, i] == tm) == n1)
setdiff(1:n, unlist(lapply(1:n1, match_indexes)))
## [1] 1 3 6

3) 计算每个矩阵的交互向量，然后使用 setdiff 最后使用 match 得到索引：

1
2
3
4

i <- interaction(as.data.frame(m))
i1 <- interaction(as.data.frame(m1))
match(setdiff(i, i1), i)
## [1] 1 3 6

已添加如果 m 中可能有重复项，则 (1) 和 (3) 将仅返回 m 中的任何多次出现的行中的第一个，而不是 m1 中的。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

m <- matrix(1:18, 6, 3)
m1 <- m[c(2, 4, 5),]
m <- rbind(m, m[1:2, ])
# 1
which(tail(!duplicated(rbind(m1, m)), nrow(m)))
## 1 3 6

# 2
n <- nrow(m); n1 <- nrow(m1)
tm <- t(m); tm1 <- t(m1)
match_indexes <- function(i) which(colSums(tm1[, i] == tm) == n1)
setdiff(1:n, unlist(lapply(1:n1, match_indexes)))
## 1 3 6 7

# 3
i <- interaction(as.data.frame(m))
i1 <- interaction(as.data.frame(m1))
match(setdiff(i, i1), i)
## 1 3 6

相关讨论

一种可能的方式是将每一行表示为一个字符串：

1
2
3
4

x1 <- apply(m, 1, paste0, collapse = ';')
x2 <- apply(m1, 1, paste0, collapse = ';')
which(!x1 %in% x2)
# [1] 1 3 6

使用我的解决方案和 G. Grothendieck 的解决方案对大型矩阵进行一些基准测试：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

set.seed(123)
m <- matrix(rnorm(20000 * 5000), nrow = 20000)
m1 <- m[-sample.int(20000, 1000), ]

system.time({
which(tail(!duplicated(rbind(m1, m)), nrow(m)))
})
# user system elapsed
# 339.888 2.368 342.204
system.time({
x1 <- apply(m, 1, paste0, collapse = ';')
x2 <- apply(m1, 1, paste0, collapse = ';')
which(!x1 %in% x2)
})
# user system elapsed
# 395.428 0.568 395.955

system({
n <- nrow(m); n1 <- nrow(m1)
tm <- t(m); tm1 <- t(m1)

match_indexes <- function(i) which(colSums(tm1[, i] == tm) == n1)
setdiff(1:n, unlist(lapply(1:n1, match_indexes)))
})
# > 15 min, not finish

system({
i <- interaction(as.data.frame(m))
i1 <- interaction(as.data.frame(m1))
match(setdiff(i, i1), i)
})
# run out of memory. My 32G RAM machine crashed.