तिरछे

Question

अटे आर में 0 के साथ एक 5x5 मैट्रिक्स का निर्माण करना, मैं 0,1,3,5,7 ऐसा है कि की एक 5x5 मैट्रिक्स बनाने हैं:

 0 1 3 5 7 

    1 0 3 5 7 

    1 3 0 5 7 

    1 3 5 0 7 

    1 3 5 7 0 

तो जाहिर है मैं शुरू करने मैट्रिक्स उत्पन्न कर सकते हैं:

z <- c(0,1,3,5,7) 
    matrix(z, ncol=5, nrow=5, byrow = TRUE) 

लेकिन मैं 0 की स्थिति को स्थानांतरित करने के बारे में अनिश्चित हूं। मुझे यकीन है कि मुझे किसी प्रकार का for/in लूप का उपयोग करना है, लेकिन मुझे नहीं पता कि मुझे वास्तव में क्या करना है।

Answer 1

कैसे इस बारे में इस्तेमाल कर सकते हैं! चारों ओर घूमते हुए, मैंने देखा कि append में after तर्क है।

x = c(1, 3, 5, 7) 
t(mapply(FUN = append, after = c(0, seq_along(x)), 
     MoreArgs = list(x = x, values = 0))) 
#  [,1] [,2] [,3] [,4] [,5] 
# [1,] 0 1 3 5 7 
# [2,] 1 0 3 5 7 
# [3,] 1 3 0 5 7 
# [4,] 1 3 5 0 7 
# [5,] 1 3 5 7 0 

Answer 2

शायद नहीं सबसे खूबसूरत समाधान कभी, लेकिन शायद अपनी सादगी में सुरुचिपूर्ण:

m <- 1 - diag(5) 
m[m==1] <- rep(c(1,3,5,7), each=5) 
m 
#  [,1] [,2] [,3] [,4] [,5] 
# [1,] 0 1 3 5 7 
# [2,] 1 0 3 5 7 
# [3,] 1 3 0 5 7 
# [4,] 1 3 5 0 7 
# [5,] 1 3 5 7 0 

Answer 3

आप

n <- 5 
matrix(rbind(0,col(diag(n))*2-1),nrow=n,ncol=n) 

Answer 4

मज़ा प्रश्न:

my_vec <- c(1,3,5,7) 
my_val <- 0 
my_mat <- matrix(NA, ncol = length(my_vec)+1, nrow = length(my_vec)+1) 
for (i in 1:nrow(my_mat)) { 
    my_mat[i, i] <- my_val 
    my_mat[i, -i] <- my_vec 
} 

my_mat 
    [,1] [,2] [,3] [,4] [,5] 
[1,] 0 1 3 5 7 
[2,] 1 0 3 5 7 
[3,] 1 3 0 5 7 
[4,] 1 3 5 0 7 
[5,] 1 3 5 7 0 

Answer 5

या हम क्या कर सकते हैं:

z <- c(1,3,5,7) 
mat <- 1-diag(5) 
mat[mat==1] <- z 
t(mat) 

    # [,1] [,2] [,3] [,4] [,5] 
# [1,] 0 1 3 5 7 
# [2,] 1 0 3 5 7 
# [3,] 1 3 0 5 7 
# [4,] 1 3 5 0 7 
# [5,] 1 3 5 7 0 

फिर भी एक और समाधान सिर्फ combn आनंद लेने के लिए के रूप में अच्छी तरह से:

r <- integer(5) 
t(combn(5, 1, function(v) {r[v]<-0;r[-v]<-z;r})) 

    # [,1] [,2] [,3] [,4] [,5] 
# [1,] 0 1 3 5 7 
# [2,] 1 0 3 5 7 
# [3,] 1 3 0 5 7 
# [4,] 1 3 5 0 7 
# [5,] 1 3 5 7 0 

या sapply का उपयोग कर:

v <- integer(5) 
t(sapply(seq(5), function(x) {v[x]<-0;v[-x]<-z;v})) 

    # [,1] [,2] [,3] [,4] [,5] 
# [1,] 0 1 3 5 7 
# [2,] 1 0 3 5 7 
# [3,] 1 3 0 5 7 
# [4,] 1 3 5 0 7 
# [5,] 1 3 5 7 0 

Answer 6

यहाँ एक समाधान है कि rep() के लिए कॉल की एक जोड़ी के साथ डेटा वेक्टर बनाता है, c() के लिए कॉल की एक जोड़ी, एक seq(), और एक rbind(), और फिर matrix() के लिए एक कॉल में यह लपेटता:

N <- 5L; 
matrix(rep(c(0,rbind(seq(1,(N-1)*2,2),0)),rep(c(1,N),len=N*2-1)),N); 
##  [,1] [,2] [,3] [,4] [,5] 
## [1,] 0 1 3 5 7 
## [2,] 1 0 3 5 7 
## [3,] 1 3 0 5 7 
## [4,] 1 3 5 0 7 
## [5,] 1 3 5 7 0 

---

एक और विचार है,

N <- 5L; 
(1-diag(N))*(cumsum(diag(N)*2)-1); 
##  [,1] [,2] [,3] [,4] [,5] 
## [1,] 0 1 3 5 7 
## [2,] 1 0 3 5 7 
## [3,] 1 3 0 5 7 
## [4,] 1 3 5 0 7 
## [5,] 1 3 5 7 0 

---

benchma: diag() करने के लिए दो कॉल और एक cumsum() का उपयोग कर rking

नोट: निम्नलिखित बेंचमार्किंग परीक्षणों के लिए मैंने सभी समाधानों को संशोधित किया जहां यह सुनिश्चित करने के लिए आवश्यक है कि वे मैट्रिक्स आकार N पर पैरामीटरकृत हैं। अधिकांश भाग के लिए, इसमें N के साथ कुछ अक्षरों को प्रतिस्थापित करने और seq(1,(N-1)*2,2) के साथ c(1,3,5,7) के उदाहरणों को प्रतिस्थापित करने में शामिल था। मुझे लगता है कि यह उचित है।

library(microbenchmark); 

josh <- function(N) { m <- 1-diag(N); m[m==1] <- rep(seq(1,(N-1)*2,2),each=N); m; }; 
marat <- function(N) matrix(rbind(0,col(diag(N))*2-1),nrow=N,ncol=N); 
gregor <- function(N) { x = seq(1,(N-1)*2,2); t(mapply(FUN = append, after = c(0, seq_along(x)), MoreArgs = list(x = x, values = 0))); }; 
barkley <- function(N) { my_vec <- seq(1,(N-1)*2,2); my_val <- 0; my_mat <- matrix(NA, ncol = length(my_vec)+1, nrow = length(my_vec)+1); for (i in 1:nrow(my_mat)) { my_mat[i, i] <- my_val; my_mat[i, -i] <- my_vec; }; my_mat; }; 
m0h3n <- function(N) { z <- seq(1,(N-1)*2,2); mat=1-diag(N); mat[mat==1]=z; t(mat); }; 
bgoldst1 <- function(N) matrix(rep(c(0,rbind(seq(1,(N-1)*2,2),0)),rep(c(1,N),len=N*2-1)),N); 
bgoldst2 <- function(N) (1-diag(N))*(cumsum(diag(N)*2)-1); 

---

## small-scale: 5x5 
N <- 5L; 
ex <- josh(N); 
identical(ex,marat(N)); 
## [1] TRUE 
identical(ex,gregor(N)); 
## [1] TRUE 
identical(ex,barkley(N)); 
## [1] TRUE 
identical(ex,m0h3n(N)); 
## [1] TRUE 
identical(ex,bgoldst1(N)); 
## [1] TRUE 
identical(ex,bgoldst2(N)); 
## [1] TRUE 

microbenchmark(josh(N),marat(N),gregor(N),barkley(N),m0h3n(N),bgoldst1(N),bgoldst2(N)); 
## Unit: microseconds 
##   expr min  lq  mean median  uq  max neval 
##  josh(N) 20.101 21.8110 25.71966 23.0935 24.8045 108.197 100 
##  marat(N) 5.987 8.1260 9.01131 8.5535 8.9820 24.805 100 
## gregor(N) 49.608 51.9605 57.61397 53.8850 61.7965 98.361 100 
## barkley(N) 29.081 32.0750 36.33830 33.7855 41.9110 54.740 100 
##  m0h3n(N) 22.666 24.8040 28.45663 26.0870 28.4400 59.445 100 
## bgoldst1(N) 20.528 23.0940 25.49303 23.5220 24.8050 56.879 100 
## bgoldst2(N) 3.849 5.1320 5.73551 5.5600 5.9880 16.251 100 

---

## medium-scale: 50x50 
N <- 50L; 
ex <- josh(N); 
identical(ex,marat(N)); 
## [1] TRUE 
identical(ex,gregor(N)); 
## [1] TRUE 
identical(ex,barkley(N)); 
## [1] TRUE 
identical(ex,m0h3n(N)); 
## [1] TRUE 
identical(ex,bgoldst1(N)); 
## [1] TRUE 
identical(ex,bgoldst2(N)); 
## [1] TRUE 

microbenchmark(josh(N),marat(N),gregor(N),barkley(N),m0h3n(N),bgoldst1(N),bgoldst2(N)); 
## Unit: microseconds 
##   expr  min  lq  mean median  uq  max neval 
##  josh(N) 106.913 110.7630 115.68488 113.1145 116.1080 179.187 100 
##  marat(N) 62.866 65.4310 78.96237 66.7140 67.9980 1163.215 100 
## gregor(N) 195.438 205.2735 233.66129 213.6130 227.9395 1307.334 100 
## barkley(N) 184.746 194.5825 227.43905 198.6455 207.1980 1502.771 100 
##  m0h3n(N) 73.557 76.1230 92.48893 78.6885 81.6820 1176.045 100 
## bgoldst1(N) 51.318 54.3125 95.76484 56.4500 60.0855 1732.421 100 
## bgoldst2(N) 18.817 21.8110 45.01952 22.6670 23.5220 1118.739 100 

---

## large-scale: 1000x1000 
N <- 1e3L; 
ex <- josh(N); 
identical(ex,marat(N)); 
## [1] TRUE 
identical(ex,gregor(N)); 
## [1] TRUE 
identical(ex,barkley(N)); 
## [1] TRUE 
identical(ex,m0h3n(N)); 
## [1] TRUE 
identical(ex,bgoldst1(N)); 
## [1] TRUE 
identical(ex,bgoldst2(N)); 
## [1] TRUE 

microbenchmark(josh(N),marat(N),gregor(N),barkley(N),m0h3n(N),bgoldst1(N),bgoldst2(N)); 
## Unit: milliseconds 
##   expr  min  lq  mean median  uq  max neval 
##  josh(N) 40.32035 43.42810 54.46468 45.36386 80.17241 90.69608 100 
##  marat(N) 41.00074 45.34248 54.74335 47.00904 50.74608 93.85429 100 
## gregor(N) 33.65923 37.82393 50.50060 40.24914 75.09810 83.27246 100 
## barkley(N) 31.02233 35.42223 43.08745 36.85615 39.81999 85.28585 100 
##  m0h3n(N) 27.08622 31.00202 38.98395 32.33244 34.33856 90.82652 100 
## bgoldst1(N) 12.53962 13.02672 18.31603 14.92314 16.96433 59.87945 100 
## bgoldst2(N) 13.23926 16.87965 28.81906 18.92319 54.60009 62.01258 100 

---

## very large scale: 10,000x10,000 
N <- 1e4L; 
ex <- josh(N); 
identical(ex,marat(N)); 
## [1] TRUE 
identical(ex,gregor(N)); 
## [1] TRUE 
identical(ex,barkley(N)); 
## [1] TRUE 
identical(ex,m0h3n(N)); 
## [1] TRUE 
identical(ex,bgoldst1(N)); 
## [1] TRUE 
identical(ex,bgoldst2(N)); 
## [1] TRUE 

microbenchmark(josh(N),marat(N),gregor(N),barkley(N),m0h3n(N),bgoldst1(N),bgoldst2(N)); 
## Unit: seconds 
##   expr  min  lq  mean median  uq  max neval 
##  josh(N) 3.698714 3.908910 4.067409 4.046770 4.191938 4.608312 100 
##  marat(N) 6.440882 6.977273 7.272962 7.223293 7.493600 8.471888 100 
## gregor(N) 3.546885 3.850812 4.032477 4.022563 4.221085 4.651799 100 
## barkley(N) 2.955906 3.162409 3.324033 3.279032 3.446875 4.444848 100 
##  m0h3n(N) 3.355968 3.667484 3.829618 3.777151 3.973279 4.649226 100 
## bgoldst1(N) 1.044510 1.260041 1.363827 1.369945 1.441194 1.819248 100 
## bgoldst2(N) 1.144168 1.391711 1.517189 1.519653 1.629994 2.478636 100 

Answer 7

एक अन्य विकल्प, सीधे निर्माण प्रत्येक पंक्ति:

v = c(1, 3, 5, 7) 
n = length(v) 

t(sapply(0:n, function(i) c(v[0:i], 0, v[seq(to = n, length.out = n - i)]))) 
#  [,1] [,2] [,3] [,4] [,5] 
#[1,] 0 1 3 5 7 
#[2,] 1 0 3 5 7 
#[3,] 1 3 0 5 7 
#[4,] 1 3 5 0 7 
#[5,] 1 3 5 7 0