arrays - 有效地计算 R 中 3d 数组的行总和

Question

考虑数组 a :

> a <- array(c(1:9, 1:9), c(3,3,2))
> a
, , 1

     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9

, , 2

     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9

我们如何有效地计算由第三维索引的矩阵的行和，使得结果是:

     [,1] [,2]
[1,]   12   12
[2,]   15   15
[3,]   18   18

??

列总和很容易通过 'dims' colSums() 的论据:

> colSums(a, dims = 1)

但我找不到使用 rowSums() 的方法在数组上实现所需的结果，因为它对 'dims' 有不同的解释到 colSums() .

使用以下方法计算所需的行总和很简单:

> apply(a, 3, rowSums)
     [,1] [,2]
[1,]   12   12
[2,]   15   15
[3,]   18   18

但这只是隐藏了循环。是否有其他有效的、真正矢量化的方法来计算所需的行总和？

Answer 1

@Fojtasek 的回答提到拆分阵列让我想起了 aperm()允许对数组的维度进行置换的函数。如 colSums()有效，我们可以使用 aperm() 交换前两个维度并运行 colSums()在输出上。

> colSums(aperm(a, c(2,1,3)))
     [,1] [,2]
[1,]   12   12
[2,]   15   15
[3,]   18   18

这个和其他建议的基于 R 的答案的一些比较时间:

> b <- array(c(1:250000, 1:250000),c(5000,5000,2))
> system.time(rs1 <- apply(b, 3, rowSums))
   user  system elapsed 
  1.831   0.394   2.232 
> system.time(rs2 <- rowSums3d(b))
   user  system elapsed 
  1.134   0.183   1.320 
> system.time(rs3 <- sapply(1:dim(b)[3], function(i) rowSums(b[,,i])))
   user  system elapsed 
  1.556   0.073   1.636
> system.time(rs4 <- colSums(aperm(b, c(2,1,3))))
   user  system elapsed 
  0.860   0.103   0.966 

所以在我的系统上 aperm()解决方案出现速度稍快:

> sessionInfo()
R version 2.12.1 Patched (2011-02-06 r54249)
Platform: x86_64-unknown-linux-gnu (64-bit)

然而， rowSums3d()没有给出与其他解决方案相同的答案:

> all.equal(rs1, rs2)
[1] "Mean relative difference: 0.01999992"
> all.equal(rs1, rs3)
[1] TRUE
> all.equal(rs1, rs4)
[1] TRUE