对 R 中的矩阵进行下采样

Question

我有一个相对高维 (100X500000) 的矩阵 Q，我想对其进行下采样。通过降采样，我会举例说明。

令Q=

1 4 9
3 2 1

和下采样大小= n。我想从一罐 sum(Q) = 20 个球中抽取 n 个球，每个球着色 6 种方式中的一种，对应于矩阵的不同索引对。就像我有 1 个颜色 A 的球，4 个颜色 B 的球，等等，我正在绘制 n 个球，没有替换。

我希望它以与矩阵相同的格式 returned。一个示例 return 值，例如 downsample(Q, 3) =

0 0 2
1 0 0

我的方法是尝试使用示例：

sample(length(as.vector(Q)), size=n, replace=FALSE, prob = as.vector(Q))

但是问题是，示例将 1:length(as.vector(Q)) 视为我拥有的所有球，所以我不能绘制超过 length(as.vector(Q)) 球，因为我不会更换我的球。

然后为了调整我的方法，我需要通过从这个向量中减去 1 来更新我的概率，并使用某种 for 循环一个一个地调用样本。这听起来不像是好的代码。

是否有更好的方法以 R 友好的方式执行此操作，而不是 for 循环方式？

Answer 1

效率有点低，但是如果 sum(Q) 不是太大你可以通过 disaggregating/replicating 向量然后采样来做到这一点，然后 reaggregating/tabulating.

Q <- setNames(c(1,4,9,3,2,1),LETTERS[1:6])
n <- 10
set.seed(101)
s0 <- sample(rep(names(Q),Q),
       size=n,replace=FALSE)
Q2 <- table(factor(s0,levels=names(Q)))
## A B C D E F 
## 1 2 5 1 0 1

我不确定你的矩阵结构。您可以使用 dim(Q2) <- dim(Q) 以与原始矩阵相同的顺序重新组织结果 ...

Answer 2

这是一种非常好的方法。您可以通过将 which(x <= cq)[1] 替换为专为 finding the first TRUE value.

构建的函数来提高其效率（如有必要）

Q = matrix(c(1, 4, 9, 3, 2, 1), nrow = 2)

set.seed(47)
samp = sample(sum(Q), size = 3)
cq = cumsum(Q)

inds = table(sapply(samp, function(x) which(x <= cq)[1]))

result = integer(length(Q))
result[as.integer(names(inds))] = inds
dim(result) = dim(Q)
#      [,1] [,2] [,3]
# [1,]    0    2    0
# [2,]    0    0    1

对 R 中的矩阵进行下采样

downsampling a matrix in R

r

matrix

downsampling

sampling