将大矩阵的每个单元格除以其行的总和

Question

我有一个按物种划分的站点矩阵。尺寸为 375 x 360。每个值代表该站点样本中某个物种的频率。

我正在尝试将该矩阵从频率转换为每个站点的相对丰度。

我已经尝试了几种方法来实现这一点，唯一有效的方法是使用 for 循环。但是，这需要很长时间，或者根本无法完成。

是否有实现此目的的函数或矢量化方法？我将我的 for 循环作为我正在尝试做的事情的示例。

relative_abundance <- matrix(0, nrow= nrow(data_wide),
ncol=ncol(data), dimnames = dimnames(data))

i=0
j=0

for(i in 1:nrow(relative_abundance)){
  for(j in 1:ncol(relative_abundance)){
    species_freq <- data[i,j]
    row_sum <- sum(data[i,])
    relative_abundance[i,j] <- species_freq/row_sum
 }
}

Answer 1

您可以使用 apply 执行此操作，但在这种情况下 scale 会使事情变得更加简单。假设您要将列除以它们的总和：

set.seed(0)
relative_abundance <- matrix(sample(1:10, 360*375, TRUE), nrow= 375)

freqs <- scale(relative_abundance, center = FALSE, 
               scale = colSums(relative_abundance))

矩阵太大，无法在此处输出，但它应该如下所示：

> head(freqs[, 1:5])
            [,1]         [,2]        [,3]        [,4]         [,5]
[1,] 0.004409603 0.0014231499 0.003439803 0.004052685 0.0024026910
[2,] 0.001469868 0.0023719165 0.002457002 0.005065856 0.0004805382
[3,] 0.001959824 0.0018975332 0.004914005 0.001519757 0.0043248438
[4,] 0.002939735 0.0042694497 0.002948403 0.002532928 0.0009610764
[5,] 0.004899559 0.0009487666 0.000982801 0.001519757 0.0028832292
[6,] 0.001469868 0.0023719165 0.002457002 0.002026342 0.0009610764

以及健全性检查：

> head(colSums(freqs))
[1] 1 1 1 1 1 1

使用apply：

freqs2 <- apply(relative_abundance, 2, function(i) i/sum(i))

它的优点是可以很容易地按行更改为运行，但结果无论如何都会作为列连接，因此您必须转置它。

Answer 2

首先，您可以

relative_abundance[i,j] <- data[i,j]/sum(data[i,])

所以你不创建变量...

但要对其进行矢量化，我建议：使用 rowsum 函数（快速）计算行总和，然后您可以按列使用应用，并将每个列除以行总和：

 relative_freq<-apply(data,2,function(x) data[,x]/rowsum(data))

Answer 3

使用一些简单的线性代数，我们可以更快地得出结果。简单地在左边乘以一个对角矩阵和你需要的比例因子，就像这样：

library(Matrix)
set.seed(0)
relative_abundance <- matrix(sample(1:10, 360*375, TRUE), nrow= 375)
Diagonal_Matrix <- diag(1/rowSums(relative_abundance))

然后我们从左边开始乘：

row_normalized_matrix <- Diagonal_Matrix %*% relative_abundance

如果你想按列归一化简单地做：

Diagonal_Matrix <- diag(1/colSums(relative_abundance))

然后从右边相乘。

Answer 4

你可以这样做

relative_abundance <- matrix(sample(1:10, 360*375, TRUE), nrow= 375)
datnorm <- relative_abundance/rowSums(relative_abundance)

如果 relative_abundance 是矩阵而不是 data.frame

，这会更快

将大矩阵的每个单元格除以其行的总和

Divide each each cell of large matrix by sum of its row

r

probability

frequency

matrix