4．1阅读不可知论的输入

API本身全面的文档我们就不详细讲了。相反，我们将关注最常见的使用模式。假设我们想要从一个逻辑的、整数的或数字矩阵类对象中计算列和:

#include "beachmat3/beachmat.h" #include  #include  //在包上下文中不是必需的:// [[Rcpp::depends(beachmat)]] // [[Rcpp::export(rng=false)]] Rcpp::NumericVector column_sum (Rcpp::RObject mat) {auto ptr = beachmat::read_lin_block(mat);std::向量<二>工作区(ptr - > get_nrow ());Rcpp: NumericVector输出(ptr - > get_ncol ());For (size_t I = 0;I < ptr->get_ncol();++i) {auto colptr = ptr->get_col(i, workspace.data());Output [i] = std::accumulate(colptr, colptr + ptr->get_nrow()， 0.0);}返回输出;｝

的read_lin_block ()函数设置一个指针，该指针指向可使用get_col ()方法(或get_row ()，如果我们对行感兴趣的话)。这可能涉及到内存分配，因此我们为该方法提供一个指向“工作区”的指针，以便它在其中放入值。的get_col ()方法然后返回一个指针，该指针指向每个请求列的数据值向量我，我们积累并储存在输出返回到R会话。为了演示:

column_sums(矩阵(rnorm (1000), ncol = 10))

[1] -5.851184 4.899147 -10.591398 -4.184498 -12.950439 -10.926647 [7] 1.377843 20.855535 4.857998 1.260113

此代码可用于生成的密集或稀疏块DelayedArray块处理。此外，它自动支持可能存在的所有数字类型数据垫，即逻辑，整数或双精度值。所有值都转换为工作空间的类型—在本例中为双精度向量，但同样可以通过创建int工作区。这意味着我们可以避免编写多个版本的代码来处理不同类型的输入。

# Integer column_sum (matrix(rpois(1000, 10)， ncol=10))

## [1] 1054 1058 927 1035 1036 1019 1011 1037 1009 1024

# column_sum (matrix(rbinom(1000, 1, 0.5)==1, ncol=10))

## [1] 51 52 58 47 50 37 55 49 43 53

#稀疏column_sum (Matrix::rsparsematrix(100,10,0.1))

[1] -0.680 2.811 -1.987 2.730 -1.780 1.350 0.405 0.160 5.710 1.980

返回的指针get_col ()可以指向工作空间，并且只在工作空间下一次使用之前有效。用户应该只依赖于返回的指针之前的任何后续调用get_col ()．此外，不能保证工作空间实际上是用数据值填充的，因为一些矩阵表示可能不需要复制过程来访问底层数据。如果需要复制到工作区，可以使用以下模式:

#include "beachmat3/beachmat.h" #include  #include  //在包上下文中不是必需的:// [[Rcpp::depends(beachmat)]] // [[Rcpp::export(rng=false)]] Rcpp::NumericVector column_sums_copy (Rcpp::RObject mat) {auto ptr = beachmat::read_lin_block(mat);std::向量<二>工作区(ptr - > get_nrow ());Rcpp: NumericVector输出(ptr - > get_ncol ());For (size_t I = 0;I < ptr->get_ncol();++i) {auto colptr = ptr->get_col(i, workspace.data());//检查colptr是否已经指向工作区。if (colptr != workspace.data()){//如果不是，强制将内容复制到工作区。Std::copy(colptr, colptr + ptr->get_nrow()， workspace.data());} output[i] = std::accumulate(workspace.begin()， workspace.end()， 0.0); } return output; }

4.2读取稀疏输入

对于某些应用程序，可以为仅使用非零项的稀疏数据实现更有效的算法。我们可以用read_lin_sparse_block ()来创建一个指向稀疏c++矩阵的指针，该指针将重载get_col ()而且get_row ()方法返回非零项的列表。下面演示了仅通过迭代非零项来计算列和。注意，这次我们需要两个工作区向量，一个用于非零值，另一个用于它们的索引。(同样，不能保证填充了工作空间，因此如果有必要，应该执行手动复制。)

#include "beachmat3/beachmat.h" #include  #include  //在包上下文中不是必需的:// [[Rcpp::depends(beachmat)]] // [[Rcpp::export(rng=false)]] Rcpp::NumericVector column_sums_sparse (Rcpp::RObject mat) {auto ptr = beachmat::read_lin_sparse_block(mat);std::向量<二> workspace_x (ptr - > get_nrow ());std::向量< int > workspace_i (ptr - > get_nrow ());Rcpp: NumericVector输出(ptr - > get_ncol ());For (size_t I = 0;I < ptr->get_ncol();++i) {auto indexes = ptr->get_col(i, workspace_x.data()， workspace_i.data());Auto XPTR = indexes .x;Auto iptr = index .i;//行索引，这里不使用。 auto nnzero = indices.n; output[i] = std::accumulate(xptr, xptr + nnzero, 0.0); } return output; }

为了演示:

column_sums_sparse(Matrix::rsparsematrix(100,10,0.1))

## [1] 2.2700 1.8170 1.3370 -0.9800 -4.3174 0.7410 -0.9920 -0.7300 2.1030 [10] 2.7143

try(column_sums_sparse(matrix(rpois(1000, 10)， ncol=10)))

## column_sums_sparse(matrix(rpois(1000, 10)， ncol = 10)): ##对象没有class属性

在实践中，我们希望c++函数能够同时处理来自块处理的稀疏和密集输入。我们可以通过检查矩阵is_sparse ()，如果是，则将其提升为稀疏实例，如下所示。这使得开发人员可以根据观bob电竞体育官网察到的数据表示顺畅地在算法之间切换。

#include "beachmat3/beachmat.h" #include  #include  //在包上下文中不是必需的:// [[Rcpp::depends(beachmat)]] // [[Rcpp::export(rng=false)]] Rcpp::NumericVector column_sums_flexible (Rcpp::RObject mat) {auto ptr = beachmat::read_lin_block(mat);Rcpp: NumericVector输出(ptr - > get_ncol ());std::向量<二>工作区(ptr - > get_nrow ());If (ptr->is_sparse()) {auto SPTR = beachmat::promote_to_sparse(ptr);//注意，ptr变成NULL。std::向量< int > workspace_i (sptr - > get_nrow ());For (size_t I = 0;I < sptr->get_ncol();++i) {auto indexes = sptr->get_col(i, workspace.data()， workspace_i.data());Auto XPTR = indexes .x; output[i] = std::accumulate(xptr, xptr + indices.n, 0.0); } } else { for (size_t i = 0; i < ptr->get_ncol(); ++i) { auto vec = ptr->get_col(i, workspace.data()); output[i] = std::accumulate(vec, vec + ptr->get_nrow(), 0.0); } } return output; }

为了演示:

column_sums_flexible(矩阵::rsparsematrix(100, 10, 0.1))

[1] 3.8360 1.2840 0.2050 -4.5160 -2.1653 5.9830 -1.7506 6.7850 -2.3300 ## [10] 3.1190

Column_sums_flexible(矩阵(rpois(1000, 10)， ncol=10))

## [1] 1013 1032 988 990 978 965 1001 978 1024 1051

4.３创建矩阵输出

在大多数情况下，任何输出矩阵都应该使用Rcpp:矩阵对象。如果预计输出量很大，我们建议使用DelayedArrayRealizationSink存储结果的基础设施，例如，跨块处理迭代的文件支持矩阵。

有时，可能需要生成稀疏输出beachmat提供一些有用的实用程序。当预先不知道非零项的数量时，第一种更通用的方法是相关的。这假设您可以将所有非零项收集到a中std::地图存储:

#include "beachmat3/beachmat.h" #include 

为了演示:

generate_sparse_general ()

## 7 x 10稀疏矩阵类“dgCMatrix”## ##[1，]。0.1 . . . . . . . .## [2，] . . . . . . . . . .## [3，] . . . . . . . . . .## [4，] 0.3 . . . . . . . . .## [5，] . . . . .0.4 . . . .## [6，] . .0.2 . . . . . . .## [7，] . . . . . . . . . .

另一种更具体的方法是替换现有对象的非零值* gCMatrix对象的另一个向量对应于与原始值相同的顺序和位置的新值。这对于不改变非零项位置的操作更有效。

#include "beachmat3/beachmat.h" #include 

为了演示:

library(Matrix) mat <- rsparsematrix(10,10,0.1) generate_sparse_specific(mat)

## 10 × 10稀疏矩阵类“lgCMatrix”## ## [1，]. .|……|。## [2，] | . . . . . . . . .##[3，]。| . . . . . . . .## [4，] . . . . . . .|。## [5，] . .| . . . . . . . ## [6,] . . . . | . . . . . ## [7,] . | . . . . . . . . ## [8,] . . . . . | . . . . ## [9,] . . . . . . . . . | ## [10,] . . . . . . . . . .