Используя встроенную функцию списка, вы можете сделать это
a
out:[[1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1]]
#Displaying the list
a.remove(a[0])
out:[[1, 1, 1, 1], [1, 1, 1, 1]]
# Removed the first element of the list in which you want altered number
a.append([5,1,1,1])
out:[[1, 1, 1, 1], [1, 1, 1, 1], [5, 1, 1, 1]]
# append the element in the list but the appended element as you can see is appended in last but you want that in starting
a.reverse()
out:[[5, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1]]
#So at last reverse the whole list to get the desired list
Отредактировано для включения взвешенных сумм.
Это может быть очень приятный трюк, но наиболее простой (и обслуживаемый) способ - это, вероятно, простая for
-цикличная реализация.
M1 <- matrix(1:16, nr=4)
M1
# [,1] [,2] [,3] [,4]
# [1,] 1 5 9 13
# [2,] 2 6 10 14
# [3,] 3 7 11 15
# [4,] 4 8 12 16
Код:
get_neighbors <- function(M, radius = 1) {
M2 <- M
M2[] <- 0
nr <- nrow(M)
nc <- ncol(M)
eg <- expand.grid((-radius):radius, (-radius):radius)
eg$wt <- exp(-sqrt(abs(eg[,1]) + abs(eg[,2])))
for (R in seq_len(nr)) {
for (C in seq_len(nc)) {
ind <- cbind(R + eg[,1], C + eg[,2], eg[,3])
ind <- ind[ 0 < ind[,1] & ind[,1] <= nr &
0 < ind[,2] & ind[,2] <= nc,, drop = FALSE ]
M2[R,C] <- sum(M[ind[,1:2, drop=FALSE]] * ind[,3])
}
}
M2
}
get_neighbors(M1, 1)
# [,1] [,2] [,3] [,4]
# [1,] 5.033856 13.80347 24.16296 23.89239
# [2,] 8.596195 20.66391 34.43985 32.84175
# [3,] 11.186067 24.10789 37.88383 35.43163
# [4,] 9.748491 19.86486 30.22435 28.60703
То же самое, с радиусом 2:
get_neighbors(M1, 2)
# [,1] [,2] [,3] [,4]
# [1,] 12.44761 25.64963 31.73247 32.70974
# [2,] 18.57765 35.96237 43.33862 43.51911
# [3,] 20.09836 37.80643 45.18268 45.03982
# [4,] 17.51314 31.88500 37.96784 37.77527
И простой тест, если используется радиус 0, тогда M1 и M2 должны быть идентичны (они есть).
Примечание: это обычно выполняет очень хорошо в базе R, без всякого причудливого использования apply
или его кузенов. Поскольку это действительно простая эвристика, ее можно легко реализовать с помощью Rcpp, чтобы она была значительно быстрее.
Я думаю, что следующее делает взвешенную сумму, которую вы хотите. Я буду искать соседей таким же образом, как и @ r2evans.
wtd_nbrs_sum <- function(input_matrix,
radius,
weight_matrix)
{
temp_1 <- matrix(data = 0,
nrow = nrow(x = input_matrix),
ncol = radius)
temp_2 <- matrix(data = 0,
nrow = radius,
ncol = ((2 * radius) + ncol(x = input_matrix)))
input_matrix_modified <- rbind(temp_2,
cbind(temp_1, input_matrix, temp_1),
temp_2)
output_matrix <- matrix(nrow = nrow(x = input_matrix),
ncol = ncol(x = input_matrix))
for(i in seq_len(length.out = nrow(x = input_matrix)))
{
for(j in seq_len(length.out = nrow(x = input_matrix)))
{
row_min <- (radius + (i - radius))
row_max <- (radius + (i + radius))
column_min <- (radius + (j - radius))
column_max <- (radius + (j + radius))
neighbours <- input_matrix_modified[(row_min:row_max), (column_min:column_max)]
weighted_sum <- sum(neighbours * weight_matrix)
output_matrix[i, j] <- weighted_sum
}
}
return(output_matrix)
}
r <- 4
c <- 4
n <- r*c
M <- matrix(data = 1:n,
nrow = r,
ncol = c)
R <- 1
wts <- matrix(data = c(exp(x = -sqrt(x = 2)), exp(x = -1), exp(x = -sqrt(x = 2)), exp(x = -1), 1, exp(x = -1), exp(x = -sqrt(x = 2)), exp(x = -1), exp(x = -sqrt(x = 2))),
nrow = 3,
ncol = 3)
wtd_nbrs_sum(input_matrix = M,
radius = R,
weight_matrix = wts)
#> [,1] [,2] [,3] [,4]
#> [1,] 5.033856 13.80347 24.16296 23.89239
#> [2,] 8.596195 20.66391 34.43985 32.84175
#> [3,] 11.186067 24.10789 37.88383 35.43163
#> [4,] 9.748491 19.86486 30.22435 28.60703
Создано в 2019-03-24 с помощью пакета представитель (v0.2.1) sup>
Надеюсь, это поможет.