Normalisation matricielle matricielle dans R [fermé]

26

Je voudrais effectuer la mnormalisation colonne par colonne d'une matrice dans R. Étant donné une matrice , je veux normaliser chaque colonne en divisant chaque élément par la somme de la colonne. Une façon (hackish) de le faire est la suivante:

m / t(replicate(nrow(m), colSums(m)))

Existe-t-il un moyen plus succinct / élégant / efficace pour accomplir la même tâche?

mavam
la source

Réponses:

41

C'est à cela que servent le balayage et l'échelle.

sweep(m, 2, colSums(m), FUN="/")
scale(m, center=FALSE, scale=colSums(m))

Alternativement, vous pouvez utiliser le recyclage, mais vous devez le transposer deux fois.

t(t(m)/colSums(m))

Ou vous pouvez construire la matrice complète que vous souhaitez diviser, comme vous l'avez fait dans votre question. Voici une autre façon de procéder.

m/colSums(m)[col(m)]

Et notez également l'ajout de Caracal dans les commentaires:

m %*% diag(1/colSums(m))
Aaron - Rétablir Monica
la source
8
Un de plus:m %*% diag(1/colSums(m))
caracal
Je n'ai jamais entendu parler de la fonction de balayage auparavant, merci!
Matteo De Felice
10

Un autre est prop.table(m, 2), ou tout simplement propr(m), qui utilise en interne sweep.

Il peut être intéressant de comparer les performances de ces solutions équivalentes, j'ai donc fait un petit benchmark (en utilisant le microbenchmarkpackage).

Voici la matrice d'entrée mque j'ai utilisée:

          [,1]         [,2]         [,3]         [,4]         [,5]
A 1.831564e-02 4.978707e-02 1.353353e-01 3.678794e-01 3.678794e-01
B 3.678794e-01 1.353353e-01 4.978707e-02 1.831564e-02 6.737947e-03
C 4.539993e-05 2.061154e-09 9.357623e-14 4.248354e-18 5.242886e-22
D 1.831564e-02 4.978707e-02 1.353353e-01 3.678794e-01 3.678794e-01
E 3.678794e-01 1.353353e-01 4.978707e-02 1.831564e-02 6.737947e-03
F 4.539993e-05 2.061154e-09 9.357623e-14 4.248354e-18 5.242886e-22
G 1.831564e-02 4.978707e-02 1.353353e-01 3.678794e-01 3.678794e-01
H 3.678794e-01 1.353353e-01 4.978707e-02 1.831564e-02 6.737947e-03
I 4.539993e-05 2.061154e-09 9.357623e-14 4.248354e-18 5.242886e-22

Voici la configuration de référence:

microbenchmark(
prop = prop.table(m, 2),
scale = scale(m, center=FALSE, scale=colSums(m)),
sweep = sweep(m, 2, colSums(m), FUN="/"),
t_t_colsums = t(t(m)/colSums(m)),
m_colsums_col = m/colSums(m)[col(m)],
m_mult_diag = m %*% diag(1/colSums(m)),
times = 1500L)

Ce sont les résultats du benchmark:

Unit: microseconds
           expr     min       lq   median       uq      max
1 m_colsums_col  29.089  32.9565  35.9870  37.5215 1547.972
2   m_mult_diag  43.278  47.6115  51.7075  53.8945  110.560
3          prop 207.070 214.3010 216.6800 219.9680 2091.913
4         scale 133.659 142.6325 145.3100 147.9195 1730.640
5         sweep 113.969 119.6315 121.3725 123.6570 1663.356
6   t_t_colsums  56.976  65.3580  67.8895  69.5130 1640.660

Pour être complet, voici la sortie:

          [,1]         [,2]         [,3]         [,4]         [,5]
A 1.580677e-02 8.964714e-02 2.436862e-01 3.175247e-01 3.273379e-01
B 3.174874e-01 2.436862e-01 8.964714e-02 1.580862e-02 5.995403e-03
C 3.918106e-05 3.711336e-09 1.684944e-13 3.666847e-18 4.665103e-22
D 1.580677e-02 8.964714e-02 2.436862e-01 3.175247e-01 3.273379e-01
E 3.174874e-01 2.436862e-01 8.964714e-02 1.580862e-02 5.995403e-03
F 3.918106e-05 3.711336e-09 1.684944e-13 3.666847e-18 4.665103e-22
G 1.580677e-02 8.964714e-02 2.436862e-01 3.175247e-01 3.273379e-01
H 3.174874e-01 2.436862e-01 8.964714e-02 1.580862e-02 5.995403e-03
I 3.918106e-05 3.711336e-09 1.684944e-13 3.666847e-18 4.665103e-22

Sans aucun doute pour les petites matrices m / colSums(m)[col(m)] gagne !


Mais pour les grandes matrices? Dans l'exemple suivant, j'ai utilisé une matrice 1000x1000.

set.seed(42)
m <- matrix(sample(1:10, 1e6, TRUE), 1e3)
...
Unit: milliseconds
           expr      min       lq   median        uq       max
1 m_colsums_col 55.26442 58.94281 64.41691 102.69683 119.08685
2   m_mult_diag 34.67692 41.68494 80.05480  89.48099  99.72062
3          prop 87.95552 94.13143 99.17044 136.03669 160.51586
4         scale 52.84534 55.07107 60.57154  99.87761 156.16622
5         sweep 52.79542 55.93877 61.55066  99.67766 119.05134
6   t_t_colsums 63.09783 65.53783 68.93731 110.03691 127.89792

Pour les grandes matrices, il m / colSums(m)[col(m)] fonctionne bien (4e position) mais ne gagne pas .

Pour les grandes matrices m %*% diag(1/colSums(m)) gagne !

leodido
la source
1
de quel paquet vient-il propr?
Glen_b -Reinstate Monica
5
apply(m,2,norm<-function(x){return (x/sum(x)}) ?
Sowmya Iyer
la source
4
Bienvenue sur le site, @Sowmyalyer. Pourriez-vous ajouter du texte pour introduire et expliquer votre réponse plus en détail?
gung - Rétablir Monica