Как эффективно выполнять поэлементное умножение двух матриц в r

Ниже представлено несколько возможных вариантов, и вы сможете выбрать тот, который вам по душе.

Для скорости можете попробовать метод в f3()

set.seed(0)
A <- as.data.frame(matrix(runif (100), 10, 10))
B <- as.data.frame(matrix(runif (100), 10, 10))

f1 <- function() A * B
f2 <- function() as.data.frame(as.matrix(A) * as.matrix(B))
f3 <- function() as.data.frame(`dim<-`(unlist(A, FALSE, FALSE) * unlist(B, FALSE, FALSE), dim(A)))
f4 <- function() list2DF(Map(`*`, A, B))

microbenchmark(
    f1(),
    f2(),
    f3(),
    f4(),
    check = "equal",
    unit = "relative"
)

и ты увидишь

Unit: relative
 expr       min        lq     mean    median        uq       max neval
 f1() 19.315789 18.795854 9.927453 16.090020 14.320574 1.0078119   100
 f2()  5.318182  5.192839 3.243506  4.736301  4.274322 0.7957232   100
 f3()  1.000000  1.000000 1.000000  1.000000  1.000000 1.0000000   100
 f4()  3.533493  3.342965 2.057707  2.988258  2.640750 0.6603172   100

Если вам не нужно сохранять оба A и B, вы можете обновить один из них по ссылке с помощью collapse::setop, что будет быстрее, чем любая базовая версия A*B. Разница во времени более очевидна при использовании больших матриц:

library(collapse)

set.seed(0)
A <- as.data.frame(matrix(runif (1e4), 100, 100))
B <- as.data.frame(matrix(runif (1e4), 100, 100))

f1 <- function() A * B
f2 <- function() as.data.frame(as.matrix(A) * as.matrix(B))
f3 <- function() as.data.frame(`dim<-`(unlist(A, FALSE, FALSE) * unlist(B, FALSE, FALSE), dim(A)))
f4 <- function() list2DF(Map(`*`, A, B))
f5 <- function() setop(AA, "*", B)

Для теста нам нужно добавить setup = {AA <- A*1}, потому что AA обновляется по ссылке каждый раз, когда вызывается f5.

microbenchmark::microbenchmark(
  f1(),
  f2(),
  f3(),
  f4(),
  f5(),
  setup = {AA <- A*1},
  check = "equal",
  unit = "relative"
)
#> Unit: relative
#>  expr       min         lq      mean    median        uq       max neval
#>  f1() 246.80887 269.968102 229.09017 334.57839 333.18018 16.703191   100
#>  f2()  53.29693  51.886762  46.97326  52.85084  75.09009  6.544267   100
#>  f3()  10.31741   9.972887  12.58650  10.11263  13.70399 16.416862   100
#>  f4()  35.90785  34.858054  36.90257  38.21005  57.01931  5.161036   100
#>  f5()   1.00000   1.000000   1.00000   1.00000   1.00000  1.000000   100