Início / coding / Perguntas / 77746902
Accepted
mr.T
Asked: 2024-01-02 23:10:31 +0800 CST

Transforme eficientemente uma lista de vetores em uma matriz

  • 772

Eu tenho uma lista de vetores de tamanho livre

set.seed(1)
dat <- lapply(1:10, \(x) sample(letters, size = sample(1:10,1), replace = T))

dat

[[1]]
[1] "d" "g" "a" "b" "w" "k" "n" "r" "s"

[[2]]
[1] "u"

[[3]]
[1] "j" "v" "n" "j" "g"

[[4]]
[1] "o" "u" "e" "i" "y" "n" "e" "e" "b"

[[5]]
 [1] "y" "l" "o" "a" "t" "c" "f" "j" "j" "f"

Quais são algumas maneiras de fazer uma matriz densa como esta, mas de forma mais eficiente? Também gostaria de salvar os nomes das colunas como no exemplo

library(arules)
as(transactions(dat), "matrix")


          a     b     c     d     e     f     g     h     i     j     k     l     m
 [1,]  TRUE  TRUE FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE
 [2,] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
 [3,] FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE
 [4,] FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE
 [5,]  TRUE FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE  TRUE FALSE
 [6,] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE
 [7,] FALSE FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE
 [8,] FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE
 [9,] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE
[10,]  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE
          n     o     r     s     t     u     v     w     x     y     z
 [1,]  TRUE FALSE  TRUE  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE
 [2,] FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE
 [3,]  TRUE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE
 [4,]  TRUE  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE
 [5,] FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE
 [6,] FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE  TRUE  TRUE
 [7,] FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE FALSE
 [8,] FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE
 [9,] FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[10,]  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

Este é um exemplo do pacote аrules e não está otimizado para meus propósitos

3 respostas

  1. Podes tentar

    t(table(stack(setNames(dat, seq_along(dat))))) > 0

    que dá uma mesa

    > t(table(stack(setNames(dat, seq_along(dat))))) > 0
    values
ind      a     b     c     d     e     f     g     h     i     j     k     l
  1   TRUE  TRUE FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE
  2  FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
  3  FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE
  4  FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE
  5   TRUE FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE  TRUE
  6  FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE
  7  FALSE FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE  TRUE
  8  FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE FALSE FALSE  TRUE FALSE FALSE
  9  FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
  10  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE FALSE
    values
ind      m     n     o     r     s     t     u     v     w     x     y     z
  1  FALSE  TRUE FALSE  TRUE  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE
  2  FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE
  3  FALSE  TRUE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE
  4  FALSE  TRUE  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE
  5  FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE
  6  FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE  TRUE  TRUE
  7  FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE FALSE
  8  FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE
  9   TRUE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
  10 FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

    stackUma versão mais curta (e pode ser mais eficiente que minha abordagem anterior ) é

    > table(rep(seq_along(dat), lengths(dat)), unlist(dat)) > 0

         a     b     c     d     e     f     g     h     i     j     k     l
  1   TRUE  TRUE FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE
  2  FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
  3  FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE
  4  FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE
  5   TRUE FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE  TRUE
  6  FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE
  7  FALSE FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE  TRUE
  8  FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE FALSE FALSE  TRUE FALSE FALSE
  9  FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
  10  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE FALSE

         m     n     o     r     s     t     u     v     w     x     y     z
  1  FALSE  TRUE FALSE  TRUE  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE
  2  FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE
  3  FALSE  TRUE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE
  4  FALSE  TRUE  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE
  5  FALSE FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE
  6  FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE  TRUE  TRUE
  7  FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE FALSE
  8  FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE
  9   TRUE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
  10 FALSE  TRUE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
    • 6
  2. Best Answer

    Um pouco mais rápido e com mais eficiência de memória do que a boa solução de @ThomasIsCoding:

    mdummy <- function(dat) {
  n <- length(dat)
  vec <- as.factor(unlist(dat, FALSE, FALSE))
  lvls <- levels(vec)
  out <- matrix(FALSE, nrow = n, ncol = length(lvls), dimnames = list(NULL, lvls))
  out[cbind(rep(seq_len(n), lengths(dat)), as.integer(vec))] <- TRUE
  out
}

    Um benchmark rápido com 100 vetores:

    set.seed(1)
dat <- lapply(1:100, \(x) sample(letters, size = sample(1:10,1), replace = T))

bench::mark(
  table(rep(seq_along(dat), lengths(dat)), unlist(dat)) > 0,
  mdummy(dat),
  check = FALSE
)

# expression        min median `itr/sec` mem_alloc `gc/sec` n_itr  n_gc total_time result
#   1 table()     232µs  267µs     3331.     111KB     8.46  1576     4      473ms <NULL>
#   2 mdummy(dat) 100µs  118µs     7104.    45.2KB     6.32  3373     3      475ms <NULL>
    • 3

  3. Outra opção:

    f <- function(dat) {
  x <- unlist(dat)
  u <- sort(unique(x))
  m <- matrix(FALSE, length(dat), length(u), 0, list(NULL, u))
  m[cbind(rep.int(seq_along(dat), lengths(dat)), match(x, u))] <- TRUE
  m
}

    Referência:

    bench::mark(
  f = f(dat),
  mdummy = mdummy(dat)
)
#> # A tibble: 2 × 6
#>   expression      min   median `itr/sec` mem_alloc `gc/sec`
#>   <bch:expr> <bch:tm> <bch:tm>     <dbl> <bch:byt>    <dbl>
#> 1 f            38.5µs   40.2µs    23209.   10.17KB     9.29
#> 2 mdummy       50.3µs   52.7µs    18290.    6.99KB    12.7
    • 0

relate perguntas