对一个大矩阵的每一列应用t.test的最快方法是什么？

Question

假设我有一个大矩阵。

M <- matrix(rnorm(1e7),nrow=20)

再假设每一列代表一个样本 假设我想应用 t.test() 到每一列，是否有一种方法比使用 apply()?

apply(M, 2, t.test)

在我的电脑上运行分析的时间略低于2分钟。

> system.time(invisible( apply(M, 2, t.test)))
user  system elapsed 
113.513   0.663 113.519 

Answer 1

如果你有一台多核机器，使用所有的核心会有一些收益，例如使用 mclapply.

> library(multicore)
> M <- matrix(rnorm(40),nrow=20)
> x1 <- apply(M, 2, t.test)
> x2 <- mclapply(1:dim(M)[2], function(i) t.test(M[,i]))
> all.equal(x1, x2)
[1] "Component 1: Component 9: 1 string mismatch" "Component 2: Component 9: 1 string mismatch"
# str(x1) and str(x2) show that the difference is immaterial

这个小例子表明，事情按我们的计划进行。现在扩大规模。

> M <- matrix(rnorm(1e7), nrow=20)
> system.time(invisible(apply(M, 2, t.test)))
   user  system elapsed 
101.346   0.626 101.859
> system.time(invisible(mclapply(1:dim(M)[2], function(i) t.test(M[,i]))))
  user  system elapsed 
55.049   2.527  43.668

这是用8个虚拟核心。你的里程数可能会有所不同。不是一个巨大的收益，但它来自于很少的努力。

编辑

如果你只关心t统计量本身，提取相应的字段($statistic)让事情变得更快一些，尤其是在多核情况下。

> system.time(invisible(apply(M, 2, function(c) t.test(c)$statistic)))
   user  system elapsed 
 80.920   0.437  82.109 
> system.time(invisible(mclapply(1:dim(M)[2], function(i) t.test(M[,i])$statistic)))
   user  system elapsed 
 21.246   1.367  24.107

或者更快，直接计算t值。

my.t.test <- function(c){
  n <- sqrt(length(c))
  mean(c)*n/sd(c)
}

然后

> system.time(invisible(apply(M, 2, function(c) my.t.test(c))))
   user  system elapsed 
 21.371   0.247  21.532 
> system.time(invisible(mclapply(1:dim(M)[2], function(i) my.t.test(M[,i]))))
   user  system elapsed 
144.161   8.658   6.313 

Answer 2

你可以做得比这更好的 colttests 函数从 genefilter 包（在Bioconductor上）。

> library(genefilter)
> M <- matrix(rnorm(40),nrow=20)
> my.t.test <- function(c){
+   n <- sqrt(length(c))
+   mean(c)*n/sd(c)
+ }
> x1 <- apply(M, 2, function(c) my.t.test(c))
> x2 <- colttests(M, gl(1, nrow(M)))[,"statistic"]
> all.equal(x1, x2)
[1] TRUE
> M <- matrix(rnorm(1e7), nrow=20)
> system.time(invisible(apply(M, 2, function(c) my.t.test(c))))
   user  system elapsed 
 27.386   0.004  27.445 
> system.time(invisible(colttests(M, gl(1, nrow(M)))[,"statistic"]))
   user  system elapsed 
  0.412   0.000   0.414

参考："在R中同时计算数千个测试统计数据"，SCGN，第18（1）卷，2007年。http:/stat-computing.orgnewsletterissuesscgn-18-1.pdf。.