Непонятный пример в документации big.matrix (применимо)

Я новичок в big.matrix и связанные пакеты, я пытаюсь воспроизвести следующий пример ```

Loading required package: stats
> Sys.setenv(LANG = "en")
> library(bigmemory)
Loading required package: bigmemory.sri

bigmemory >= 4.0 is a major revision since 3.1.2; please see package
biganalytics and http://www.bigmemory.org for more information.

> x <- big.matrix(5, 2, type="integer", init=0, dimnames=list(NULL, c("alpha", "beta")))
> x[,] <- round(rnorm(10))
Assignment will down cast from double to integer
Hint: To remove this warning type:  options(bigmemory.typecast.warning=FALSE)
Mensajes de aviso perdidos
In SetAll.bm(x, value) : 
> x
An object of class "big.matrix"
Slot "address":
<pointer: 0x22a1620>

> x[,]
     alpha beta
[1,]    -2    0
[2,]    -1    0
[3,]     0   -1
[4,]     2    1
[5,]     0    0
> apply(x, 1, mean)
Error en as.vector(data) : 
  ningún método para coaccionar a esta clase S4 a un vector

из документации, но последняя строка дает мне следующую ошибку:

Error en as.vector(data) : 
  ningún método para coaccionar a esta clase S4 a un vector

Последняя строка говорит что-то вроде "there is no method for transform this S4 class to a vector"

Не могли бы вы дать мне указатель?

Моя версия R

R.version
               _                            
platform       x86_64-unknown-linux-gnu     
arch           x86_64                       
os             linux-gnu                    
system         x86_64, linux-gnu            
status                                      
major          2                            
minor          15.1                         
year           2012                         
month          06                           
day            22                           
svn rev        59600                        
language       R                            
version.string R version 2.15.1 (2012-06-22)
nickname       Roasted Marshmallows
Источник

3 ответа

Решение

Вы пытаетесь позвонить apply в объекте большой памяти. Последние не имеют неявного метода для преобразования в матрицу (аргумент необходим для применения)

apply(x, 1, mean)
Error in as.vector(data) : 
  no method for coercing this S4 class to a vector

Принудительное преобразование в матрицу, исправить проблему

apply(as.matrix(x), 1, mean)
[1] -1.5 -0.5  1.0 -0.5 -0.5

Изменить после ОП ответа:

Пакет biganalytics дополняет пакет bigmemory различной аналитикой. Функции bigkmeans и binit могут также использоваться с собственными объектами R. Но будь осторожен:

применять для объектов big.matrix. Обратите внимание, что производительность может быть ухудшена (по сравнению с применением с обычными матрицами R) из-за накладных расходов S4, связанных с извлечением данных из объектов big.matrix. Такое ограничение неизбежно и будет иметь место (или даже хуже) с другими "пользовательскими" структурами данных. Конечно, это будет только частично значимо, если вы применяете более длинные строки или столбцы.

Для tapply-подобных функций также может быть полезен пакет bigtabulate. Идея этого пакета состоит в том, чтобы выполнить работу в 2 этапа.

Мы обнаружили, что bigsplit, за которым следует lapply или sapply, может быть особенно эффективным, когда подмножества, создаваемые разделением, имеют разумный размер.

Источник

Ну, я обнаружил ошибку благодаря предыдущему ответу (#agstudy, я даю вам +1)... apply Метод был из baseпакет, если я загружу biganalyticsпакеты, все работает как шарм...

> library(biganalytics)
> apply(x, 1, mean)
[1]  0.0  1.5  0.5 -1.0  0.5

Еще раз спасибо!

Источник

Этот ответ немного не по теме от исходного вопроса, а не "почему не apply(...) работать?", который @agstudy ответил выше, но" как мне получить средства для строки bigmemory объект? "Я погуглил "r bigmemory rowmeans" и закончил здесь: http://www.stat.yale.edu/~jay/HPCwR/examples/bioinfo/bioinfo3.txt

Воспроизведение интересного фрагмента:

# Get the row means, three different ways.

system.time({
  a <- rep(0, nrow(z))
  for (i in 1:nrow(z)) {
    a[i] <- mean(z[i,])
  }
}) # Will definitely work on both matrix and big.matrix
   # matrix timing: about 30 seconds
   # big.matrix timing: about 270 seconds
   #    The price for using bigmemory with lots of very small
   #    operations is the overhead of S3/S4 dispatch.

system.time({
  a <- apply(z, 1, mean)
}) # Works on a matrix only; interesting that it is slower.
   # matrix timing: 45 seconds 

system.time({
  myfunc <- function(i) return(mean(z[i,]))
  a <- sapply(1:nrow(z), myfunc)
}) # Will definitely work on both matrix and big.matrix
   # matrix timing:     About 40 seconds
   # big.matrix timing: About 306 seconds

В этом примере показано, как использовать параллельные методы (doMC и т. д.) для вычисления ряда средств.

Источник
Другие вопросы по тегам