R语言包_Matrix

稀疏矩阵在数据稀疏的情况下节省了空间

library(Matrix)
m1 <- matrix(0, nrow = 1000, ncol = 1000)
m2 <- Matrix(0, nrow = 1000, ncol = 1000, sparse = TRUE)
m3 <- Matrix(0, nrow = 1000, ncol = 1000)
m4 <- Matrix(0, nrow = 1000, ncol = 1000, sparse = F)
object.size(m1)
# 8000200 bytes
object.size(m2)
# 5632 bytes
object.size(m3)
# 5632 bytes
object.size(m4)
# 9168 bytes

稀疏矩阵在矩阵不稀疏的情况下增大了空间

> m1 = matrix(1:6,nrow=3)
> m2 = Matrix(1:6,nrow=3)
> m3 = Matrix(1:6,nrow=3,sparse = T)
> m4 = Matrix(1:6,nrow=3,sparse = F)
> object.size(m1)
232 bytes
> object.size(m2)
1160 bytes
> m3 = Matrix(1:6,nrow=3,sparse = T)
> object.size(m3)
1512 bytes
> m4 = Matrix(1:6,nrow=3,sparse = F)
> object.size(m4)
1160 bytes

结论:矩阵稀疏的时候使用Matrix,矩阵不稀疏的情况下使用自带的matrix

参考资料

johnmyleswhite

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
R语言Matrix是一个用于扩展基本矩阵数据类型的,它提供了一组S4类和各种函数和运算符方法,用于处理密集和稀疏矩阵。你可以使用install.packages("Matrix")和library(Matrix)来安装和加载Matrix。该还提供了一些常用的函数和方法,比如对行和列求和、求均值,以及读取和写出稀疏矩阵等操作。你可以使用log2标准化函数对稀疏矩阵进行log2变换,使用rowSums、rowMeans、colSums和colMeans函数分别对行和列进行求和和求均值。同时,你还可以使用readMM函数读取稀疏矩阵的数据,并使用writeMM函数将稀疏矩阵写出为矩阵文件,并使用gzip命令对文件进行压缩。另外,你还可以使用Matrix::Matrix函数创建列压缩的稀疏矩阵对象。在R语言中,有三种稀疏矩阵对象,它们的结构可以通过str函数来查看。总之,MatrixR语言提供了强大的矩阵处理功能。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [R语言-稀疏矩阵对象格式学习-重点理解稀疏矩阵对象的重构](https://blog.csdn.net/Nh_code/article/details/125341918)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值