studio - traza de una matriz en r

Matrices grandes en R: vectores largos aún no soportados

Question

Estoy ejecutando 64 bit R 3.1 en un entorno Ubuntu de 64 bits con 400 GB de RAM, y me encuentro con una extraña limitación al tratar con grandes matrices.

Tengo una matriz numérica llamada A, que es de 4000 filas por 950,000 columnas. Cuando intento acceder a cualquier elemento en él, recibo el siguiente error:

Error: long vectors not supported yet: subset.c:733

Aunque mi matriz se leyó en el scan , puede replicar con el siguiente código

test <- matrix(1,4000,900000) #no error
test[1,1] #error

Mi búsqueda en Google revela que este era un mensaje de error común antes de R 3.0, donde un vector de tamaño 2 ^ 31-1 era el límite. Sin embargo, este no es el caso, dado mi entorno.

¿No debería utilizar el tipo de matriz nativa para este tipo de matriz?

Answer 1

Una matriz es solo un vector atómico con un atributo de dimensión que permite a R acceder a ella como una matriz. Su matriz es un vector de longitud 4000*9000000 que tiene 3.6e+10 elementos (el valor entero más grande es aproximadamente 2.147e+9 ). Se admite el subconjunto de un vector largo para los vectores atómicos (es decir, para acceder a elementos más allá del límite 2.147e+9 ). Solo trata tu matriz como un vector largo.

Si recordamos que, de forma predeterminada, R rellena las matrices por columnas, si queremos recuperarlo, digamos el valor en la test[ 2701 , 850000 ] a través de:

i <- ( 2701 - 1 ) * 850000 + 2701
test[i]
#[1] 1

Tenga en cuenta que esto realmente es un subconjunto de vectores largos porque:

2701L * 850000L
#[1] NA
#Warning message:
#In 2701L * 850000L : NAs produced by integer overflow

Answer 2

Una solución alternativa y rápida sería primero obtener la fila y luego la columna (ahora el elemento i''th del vector resultante) de la matriz. Por ejemplo ...

test <- matrix(1,4000,900000) #no error
test[1,1] #error
test[1, ][1] # no error

Por supuesto, esto produce cierta sobrecarga, ya que toda la fila se copia / accede primero, pero es más fácil de leer. También funciona para primero extraer la columna y luego la fila.