R语言矩阵中等于0和不等于0的数如何分别计算

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

菜鸟求大神指导，R语言计算，h矩阵中存在值为0的数。想计算这个公式：P <- 16*(10*Jan/h)^A。如果h为0则P为0，如果h不等于0则P按上面的公式求，应该如何做？

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：R语言 如何

应该还有简便的计算方法，这里是把0先处理成NA,然后再转成0处理的，代码如下：

1. h=matrix(9:0,5)
   
2. zerof <- function(x){
   
3. x[which(x==0)]<- NA
   
4. x1<-1/x
   
5. x1[is.na(x1)]<-0
   
6. return(x1)
   
7. }
   
8. apply(1/h,2,zerof)

复制代码

P <- 16*(10*Jan/h)^A
P[h == 0] = 0

prunusis 发表于 2015-11-15 09:21
P

这个是简便方法，不错

jiangbeilu 发表于 2015-11-15 00:08
应该还有简便的计算方法，这里是把0先处理成NA,然后再转成0处理的，代码如下：

谢谢！

jiangbeilu 发表于 2015-11-15 12:48
这个是简便方法，不错

谢谢！

这是一个典型的可以用ifelse()函数的案例，ifelse能够将矩阵作为向量来处理：

1. p <- ifelse(h==0, 0, 16*(10*Jan/h)^A)

复制代码

cheetahfly 发表于 2015-11-16 09:11
这是一个典型的可以用ifelse()函数的案例，ifelse能够将矩阵作为向量来处理：

ifelse不是向量化的所以速度会比较慢

x = 1:10000000

system.time({
  y = x * 2
  y[x %% 2 == 0] = 0
})

system.time(ifelse(x %% 2 == 0, 0, x * 2))

这里引申出另外一个问题，向量化计算的方法不止一种，相互之间速度也是有差异的，不能简单地认为相对较慢的那种方法就不是向量化的方法。

ifesle()是向量化的方法，我举两个论据：

第一是John M. Chambers在其著作“Software for Data Analysis Programming with R”（ https://bbs.pinggu.org/thread-3716983-1-1.html）中有一小节专门系统地阐述“向量化”的问题，其中P159页第一段是这么叙述的——
“Functions that operate efficiently on whole objects to produce other
whole objects, usually of the same size and structure; examples include
the arithmetic and other binary operators, numerical transformation,
sorting and ordering computations, and some specialized filtering func-
tions, such as ifelse().”

第二是观察ifelse函数的源代码：

1. function (test, yes, no)
   
2. {
   
3.     if (is.atomic(test)) {
   
4.         if (typeof(test) != "logical")
   
5.             storage.mode(test) <- "logical"
   
6.         if (length(test) == 1 && is.null(attributes(test))) {
   
7.             if (is.na(test))
   
8.                 return(NA)
   
9.             else if (test) {
   
10.                 if (length(yes) == 1 && is.null(attributes(yes)))
    
11.                   return(yes)
    
12.             }
    
13.             else if (length(no) == 1 && is.null(attributes(no)))
    
14.                 return(no)
    
15.         }
    
16.     }
    
17.     else test <- if (isS4(test))
    
18.         as(test, "logical")
    
19.     else as.logical(test)
    
20.     ans <- test
    
21.     ok <- !(nas <- is.na(test))
    
22.     if (any(test[ok]))
    
23.         ans[test & ok] <- rep(yes, length.out = length(ans))[test &
    
24.             ok]
    
25.     if (any(!test[ok]))
    
26.         ans[!test & ok] <- rep(no, length.out = length(ans))[!test &
    
27.             ok]
    
28.     ans[nas] <- NA
    
29.     ans
    
30. }

复制代码

会发现，基本上都是一系列的判断，是将test参数作为一个logical向量来对待的，没有将test参数按照长度来循环。这也是向量化计算的特征。

cheetahfly 发表于 2015-11-17 14:53
这里引申出另外一个问题，向量化计算的方法不止一种，相互之间速度也是有差异的，不能简单地认为相对较慢的 ...

嘛,原因没有深究说错了,不过很慢还是事实...