小编ved*_*ved的帖子

给定矩阵列表：

temp <- list(matrix(c(1,8,3,400), 2), 
    matrix(c(5,2,300,14),2), 
    matrix(c(100,200,12,4),2)
)
temp
# [[1]]
#      [,1] [,2]
# [1,]    1    3
# [2,]    8  400
#
# [[2]]
#      [,1] [,2]
# [1,]    5  300
# [2,]    2   14
#
# [[3]]
#      [,1] [,2]
# [1,]  100   12
# [2,]  200    4

我想要矩阵的逐元素中位数：

     [,1] [,2]
[1,]    5   12
[2,]    8   14

可以在没有显式for循环的情况下完成此操作吗？

如果我有一个用gzip压缩的大型数据文件,比方说dat.gz,什么是更高效的内存？

mydat <- fread("gunzip -c dat.gz")

或者,首先解压缩/解压缩文件dat,然后执行

mydat <- fread("dat")

我关心记忆而不是速度,以防止R崩溃.

我有一个看起来像这样的大数据框：

group_id    distance    metric
       1         1.1      0.85
       1         1.1      0.37
       1         1.7      0.93   
       1         2.3      0.45 
       ...
       1         6.3      0.29
       1         7.9      0.12
       2         2.5      0.78
       2         2.8      0.32
       ...

数据框已按排序group_id，然后按排序distance。我想知道dplyr或data.table等效于执行以下操作：

每个内group_id：

1. 我们的独特和分类值distance当前内 group_idBE d1,d2,...,d_n。
2. 对于每一个d在d1,d2,...,d_n：计算的一些功能f上的所有值metric，其distance值小于d。该函数f是一个自定义的用户定义函数，它接受一个向量并返回一个标量。假设函数f在空向量上定义良好。

因此，在上面的示例中，所需的数据帧如下所示：

group_id    distance_less_than    metric
       1                   1.1      f(empty vector)
       1                   1.7      f(0.85, 0.37)
       1                   2.3      f(0.85, 0.37, 0.93) 
       ... …