R中如何生成一个新矩阵，其每个元素是原矩阵同一行中连续三个元素的连乘？

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

RT。
有这样一个m*n的每个元素非0即1的原矩阵，现欲生成一个新m*n矩阵，前两列皆为0，第三列开始每个元素是原矩阵同一行中连续三个元素的连乘。
R中有什么函数可以简单地生成这样的新矩阵吗？求解

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1 回帖

关键词：如何 元素

有，我刚编的：

1. transmat <- function(mat) {
   
2.      if(!is.matrix(mat))
   
3.         stop("The Argument is not a Matrix.")
   
4.      nr <- nrow(mat)
   
5.      nc <- ncol(mat)
   
6.      mat_1 <- mat[,c(-(nc-1),-nc)]
   
7.      mat_2 <- mat[,c(-1,-nc)]
   
8.      mat_3 <- mat[,-1:-2]
   
9.      matout <- matrix(c(rep(0,nr*2), mat_1*mat_2*mat_3), ncol = nc)
   
10.      return(matout)  
    
11. }
    
12. # 测试：
    
13. a <- matrix(sample(c(0, 1), 48, replace = T), ncol=6)
    
14. b <- matrix(1:48, 6, 8)
    
15. a
    
16.      [,1] [,2] [,3] [,4] [,5] [,6]
    
17. [1,]    0    0    0    1    0    0
    
18. [2,]    0    1    1    1    0    0
    
19. [3,]    1    0    1    1    1    1
    
20. [4,]    0    0    1    1    1    1
    
21. [5,]    0    1    0    0    0    1
    
22. [6,]    0    0    0    0    1    0
    
23. [7,]    1    0    0    1    0    0
    
24. [8,]    1    1    0    0    0    1
    
25. 
    
26. b
    
27.      [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8]
    
28. [1,]    1    7   13   19   25   31   37   43
    
29. [2,]    2    8   14   20   26   32   38   44
    
30. [3,]    3    9   15   21   27   33   39   45
    
31. [4,]    4   10   16   22   28   34   40   46
    
32. [5,]    5   11   17   23   29   35   41   47
    
33. [6,]    6   12   18   24   30   36   42   48
    
34. 
    
35. 
    
36. transmat(a)
    
37.      [,1] [,2] [,3] [,4] [,5] [,6]
    
38. [1,]    0    0    0    0    0    0
    
39. [2,]    0    0    0    1    0    0
    
40. [3,]    0    0    0    0    1    1
    
41. [4,]    0    0    0    0    1    1
    
42. [5,]    0    0    0    0    0    0
    
43. [6,]    0    0    0    0    0    0
    
44. [7,]    0    0    0    0    0    0
    
45. [8,]    0    0    0    0    0    0
    
46. 
    
47. transmat(b)
    
48.      [,1] [,2] [,3] [,4]  [,5]  [,6]  [,7]  [,8]
    
49. [1,]    0    0   91 1729  6175 14725 28675 49321
    
50. [2,]    0    0  224 2240  7280 16640 31616 53504
    
51. [3,]    0    0  405 2835  8505 18711 34749 57915
    
52. [4,]    0    0  640 3520  9856 20944 38080 62560
    
53. [5,]    0    0  935 4301 11339 23345 41615 67445
    
54. [6,]    0    0 1296 5184 12960 25920 45360 72576

复制代码

1. b <- matrix(1:48, 6, 8)
   
2. library(zoo)
   
3. cbind(matrix(0,nc=2,nr=nrow(b)),t(apply(b,1,function(x)rollapply(x,3,prod))))
   
4. ##数据太多建议data.frame(0,0,t(apply(b,1,rollapply,3,prod)))
   
5. 
   
6.      [,1] [,2] [,3] [,4]  [,5]  [,6]  [,7]  [,8]
   
7. [1,]    0    0   91 1729  6175 14725 28675 49321
   
8. [2,]    0    0  224 2240  7280 16640 31616 53504
   
9. [3,]    0    0  405 2835  8505 18711 34749 57915
   
10. [4,]    0    0  640 3520  9856 20944 38080 62560
    
11. [5,]    0    0  935 4301 11339 23345 41615 67445
    
12. [6,]    0    0 1296 5184 12960 25920 45360 72576

复制代码

yywan0913 发表于 2015-12-8 11:20

Beautiful，没想到apply和rollaply结合还有这样的效果，这应该对我也有很大帮助，多谢了！

这几天我分别用了两种方法来分析大数据，发现我的函数速度要快很多，差距很大，有可能是apply和rollapply两个函数双重循环的缘故？测试环境是R 3.2.3，结果如下：



上面是用的9*1e6矩阵，下面用1e6*9的矩阵，结果更加明显：

学习一下

学习一下，大家都好厉害