r - 加速矩阵 rowMeans 操作

Question

考虑以下矩阵，

nc <- 5000
nr <- 1024
m <- matrix(rnorm(nc*nr), ncol=nc)

我想在这个矩阵中随机取两组相同大小的 rowMeans 之间的差异。

n <- 1000 # group size

system.time(replicate(100, {
   ind1 <- sample(seq.int(nc), n) 
   ind2 <- sample(seq.int(nc), n)
   rowMeans(m[, ind1]) - rowMeans(m[, ind2])
}))

它很慢，不幸的是我不明白 Rprof 的输出(似乎大部分时间都花在了 is.data.frame 上？？)

对更有效的东西的建议？

我考虑了以下几点:

Rcpp :从我的在线阅读来看，我相信 R 的 rowMeans 非常有效，所以不清楚它对这一步是否有帮助。我想确信真正的瓶颈在哪里，也许我的整个设计不是最理想的。如果大部分时间都花在为每个较小的矩阵制作副本上，那么 Rcpp 的性能会更好吗？

更新到 R-devel，似乎有一个新的 .rowMeans 函数更有效。有没有人试过？

谢谢。

Answer 1

对来自 rowSums() 的列子集的每个 m 调用都可以看作是 m 与 0 或 1 的向量之间的矩阵乘法，该向量指示所选列。如果将所有这些向量并置，最终会得到两个矩阵之间的乘法(效率更高):

ind1 <- replicate(100, seq.int(nc) %in% sample(seq.int(nc), n)) 
ind2 <- replicate(100, seq.int(nc) %in% sample(seq.int(nc), n))
output <- m %*% (ind1 - ind2)