依次提取r中矩阵行每两个元素计算欧式距离
extract every two elements in matrix row in r in sequence to calculate euclidean distance
如何按顺序提取矩阵中的每两个元素并将结果return作为矩阵,以便我可以将答案输入公式进行计算:
例如,我有一个 6 列的单行矩阵:
[,1][,2][,3][,4][,5][,6]
[1,] 2 1 5 5 10 1
我想在第一次迭代中提取第 1 列和第 2 列,在第二次迭代中提取第 3 列和第 4 列,依此类推。结果必须是矩阵形式。
[1,] 2 1
[2,] 5 5
[3,] 10 1
我的原始代码:
data <- matrix(c(1,1,1,2,2,1,2,2,5,5,5,6,10,1,10,2,11,1,11,2), ncol = 2)
中心矩阵:
[,1][,2][,3][,4][,5][,6]
[1,] 2 1 5 5 10 1
[2,] 1 1 2 1 10 1
[3,] 5 5 5 6 11 2
[4,] 2 2 5 5 10 1
[5,] 2 1 5 6 5 5
[6,] 2 2 5 5 11 1
[7,] 2 1 5 5 10 1
[8,] 1 1 5 6 11 1
[9,] 2 1 5 5 10 1
[10,] 5 6 11 1 10 2
objCentroidDist <- function(data, centers) {
resultMatrix <- matrix(NA, nrow=dim(data)[1], ncol=dim(centers)[1])
for(i in 1:nrow(centers)) {
resultMatrix [,i] <- sqrt(rowSums(t(t(data)-centers[i, ])^2))
}
resultMatrix
}
objCentroidDist(data,centers)
我希望结果矩阵如下所示:
[1,][,2][,3]
[1,]
[2,]
[3,]
[4,]
[5,]
[7,]
[8,]
[9,]
[10]
我关心的是,如果数据矩阵的维度是二,中心矩阵是六,如何计算数据中心距离。 (计算数据矩阵与中心矩阵中每两列的距离)。中心矩阵的每一行都有三个中心。
也许是这样的?
m <- matrix(c(2,1,5,5,10,1), ncol = 6)
list.seq.pairs <- lapply(seq(1, ncol(m), 2), function(x) {
m[,c(x, x+1)]
})
> list.seq.pairs
[[1]]
[1] 2 1
[[2]]
[1] 5 5
[[3]]
[1] 10 1
而且,如果您想遍历矩阵中的多行,
你可以像这样扩展上面的内容:
mm <- matrix(1:18, ncol = 6, byrow = TRUE)
apply(mm, 1, function(x) {
lapply(seq(1, length(x), 2), function(y) {
x[c(y, y+1)]
})
})
编辑:
我真的不确定你到底在追求什么。我认为,如果您希望将每一行转换为 2 x 3 矩阵:
mm <- matrix(1:18, ncol = 6, byrow = TRUE)
list.mats <- lapply(1:nrow(mm), function(x){
a = matrix(mm[x,], ncol = 2, byrow = TRUE)
})
> list.mats
[[1]]
[,1] [,2]
[1,] 1 2
[2,] 3 4
[3,] 5 6
[[2]]
[,1] [,2]
[1,] 7 8
[2,] 9 10
[3,] 11 12
[[3]]
[,1] [,2]
[1,] 13 14
[2,] 15 16
[3,] 17 18
但是,如果您想获得结果矩阵 - 我认为在处理每一行时进行您需要做的任何计算可能是最简单的方法:
results <- t(apply(mm, 1, function(x) {
sapply(seq(1, length(x), 2), function(y) {
val1 = x[y] # Get item one
val2 = x[y+1] # Get item two
val1 / val2 # Do your calculation here
})
}))
> results
[,1] [,2] [,3]
[1,] 0.5000000 0.7500 0.8333333
[2,] 0.8750000 0.9000 0.9166667
[3,] 0.9285714 0.9375 0.9444444
就是说,我不明白你想做什么,所以这可能会错了。如果你问一个新问题,你可能会更幸运,你可以在其中显示示例输入和你所追求的实际预期输出,以及你期望的实际值。
如何按顺序提取矩阵中的每两个元素并将结果return作为矩阵,以便我可以将答案输入公式进行计算:
例如,我有一个 6 列的单行矩阵:
[,1][,2][,3][,4][,5][,6]
[1,] 2 1 5 5 10 1
我想在第一次迭代中提取第 1 列和第 2 列,在第二次迭代中提取第 3 列和第 4 列,依此类推。结果必须是矩阵形式。
[1,] 2 1
[2,] 5 5
[3,] 10 1
我的原始代码:
data <- matrix(c(1,1,1,2,2,1,2,2,5,5,5,6,10,1,10,2,11,1,11,2), ncol = 2)
中心矩阵:
[,1][,2][,3][,4][,5][,6]
[1,] 2 1 5 5 10 1
[2,] 1 1 2 1 10 1
[3,] 5 5 5 6 11 2
[4,] 2 2 5 5 10 1
[5,] 2 1 5 6 5 5
[6,] 2 2 5 5 11 1
[7,] 2 1 5 5 10 1
[8,] 1 1 5 6 11 1
[9,] 2 1 5 5 10 1
[10,] 5 6 11 1 10 2
objCentroidDist <- function(data, centers) {
resultMatrix <- matrix(NA, nrow=dim(data)[1], ncol=dim(centers)[1])
for(i in 1:nrow(centers)) {
resultMatrix [,i] <- sqrt(rowSums(t(t(data)-centers[i, ])^2))
}
resultMatrix
}
objCentroidDist(data,centers)
我希望结果矩阵如下所示:
[1,][,2][,3]
[1,]
[2,]
[3,]
[4,]
[5,]
[7,]
[8,]
[9,]
[10]
我关心的是,如果数据矩阵的维度是二,中心矩阵是六,如何计算数据中心距离。 (计算数据矩阵与中心矩阵中每两列的距离)。中心矩阵的每一行都有三个中心。
也许是这样的?
m <- matrix(c(2,1,5,5,10,1), ncol = 6)
list.seq.pairs <- lapply(seq(1, ncol(m), 2), function(x) {
m[,c(x, x+1)]
})
> list.seq.pairs
[[1]]
[1] 2 1
[[2]]
[1] 5 5
[[3]]
[1] 10 1
而且,如果您想遍历矩阵中的多行, 你可以像这样扩展上面的内容:
mm <- matrix(1:18, ncol = 6, byrow = TRUE)
apply(mm, 1, function(x) {
lapply(seq(1, length(x), 2), function(y) {
x[c(y, y+1)]
})
})
编辑:
我真的不确定你到底在追求什么。我认为,如果您希望将每一行转换为 2 x 3 矩阵:
mm <- matrix(1:18, ncol = 6, byrow = TRUE)
list.mats <- lapply(1:nrow(mm), function(x){
a = matrix(mm[x,], ncol = 2, byrow = TRUE)
})
> list.mats
[[1]]
[,1] [,2]
[1,] 1 2
[2,] 3 4
[3,] 5 6
[[2]]
[,1] [,2]
[1,] 7 8
[2,] 9 10
[3,] 11 12
[[3]]
[,1] [,2]
[1,] 13 14
[2,] 15 16
[3,] 17 18
但是,如果您想获得结果矩阵 - 我认为在处理每一行时进行您需要做的任何计算可能是最简单的方法:
results <- t(apply(mm, 1, function(x) {
sapply(seq(1, length(x), 2), function(y) {
val1 = x[y] # Get item one
val2 = x[y+1] # Get item two
val1 / val2 # Do your calculation here
})
}))
> results
[,1] [,2] [,3]
[1,] 0.5000000 0.7500 0.8333333
[2,] 0.8750000 0.9000 0.9166667
[3,] 0.9285714 0.9375 0.9444444
就是说,我不明白你想做什么,所以这可能会错了。如果你问一个新问题,你可能会更幸运,你可以在其中显示示例输入和你所追求的实际预期输出,以及你期望的实际值。