在 R 中分配矩阵的最佳方法，NULL vs NA？

Question

我正在编写 R 代码来创建方阵。所以我的方法是：

1. 分配一个正确大小的矩阵
2. 循环遍历矩阵的每个元素并用适当的值填充它

我的问题非常简单：预分配该矩阵的最佳方法是什么？到目前为止，我有两种方法：

> x <- matrix(data=NA,nrow=3,ncol=3)
> x
     [,1] [,2] [,3]
[1,]   NA   NA   NA
[2,]   NA   NA   NA
[3,]   NA   NA   NA

或

> x <- list()
> length(x) <- 3^2
> dim(x) <- c(3,3)
> x
     [,1] [,2] [,3]
[1,] NULL NULL NULL
[2,] NULL NULL NULL
[3,] NULL NULL NULL

据我所知，前者是比后者更简洁的方法。此外，前者用 NA 填充矩阵，而后者用 NULL 填充。

哪种“更好”的方法可以做到这一点？在这种情况下，我将“更好”定义为“更好的性能”，因为这是统计计算，并且此操作将在大型数据集上进行。

虽然前者更简洁，但它并没有那么容易理解，所以我觉得这两种方式都可以。

另外，R中的NA和NULL有什么区别？ ?NA 和 ?NULL 告诉我“NA”的长度为“1”，而 NULL 的长度为“0” - 但这里还有更多吗？或者最佳实践？这将影响我用来创建矩阵的方法。

Answer 1

如有疑问，请测试一下自己。第一种方法既简单又快捷。

> create.matrix <- function(size) {
+ x <- matrix()
+ length(x) <- size^2
+ dim(x) <- c(size,size)
+ x
+ }
> 
> system.time(x <- matrix(data=NA,nrow=10000,ncol=10000))
   user  system elapsed 
   4.59    0.23    4.84 
> system.time(y <- create.matrix(size=10000))
   user  system elapsed 
   0.59    0.97   15.81 
> identical(x,y)
[1] TRUE

关于NA和NULL的区别：

实际上有四个特殊的常量。

此外，还有四个特殊常量：NULL、NA、Inf、NaN。

NULL 用于指示空对象。 NA 用于不存在（“不可用”）的数据值。 Inf 表示无穷大，NaN 在 IEEE 浮点演算中不是数字（例如，分别为 1/0 和 0/0 的运算结果）。

您可以在有关语言定义的 R 手册。

Answer 2

根据这篇文章通过使用NA_real_进行预分配，我们可以比使用NA进行预分配做得更好。来自文章：

一旦您为“x”中的任何单元格分配了数值，在分配新值时，矩阵首先必须强制为数字。原来分配的逻辑矩阵被徒劳地分配，只是增加了不必要的内存占用和垃圾收集器的额外工作。
而是使用 NA_real_ （或 NA_integer_ 对于整数）来分配它

按照建议：让我们测试一下。

testfloat = function(mat){
  n=nrow(mat)
  for(i in 1:n){
    mat[i,] = 1.2
  }
}

>system.time(testfloat(matrix(data=NA,nrow=1e4,ncol=1e4)))
user  system elapsed 
3.08    0.24    3.32 
> system.time(testfloat(matrix(data=NA_real_,nrow=1e4,ncol=1e4)))
user  system elapsed 
2.91    0.23    3.14 

对于整数：

testint = function(mat){
  n=nrow(mat)
  for(i in 1:n){
    mat[i,] = 3
  }
}

> system.time(testint(matrix(data=NA,nrow=1e4,ncol=1e4)))
user  system elapsed 
2.96    0.29    3.31 
> system.time(testint(matrix(data=NA_integer_,nrow=1e4,ncol=1e4)))
user  system elapsed 
2.92    0.35    3.28 

在我的测试用例中差异很小，但它确实存在。

Answer 3

rows<-3
cols<-3    
x<-rep(NA, rows*cols)
x1 <- matrix(x,nrow=rows,ncol=cols)