向量化使用subset()的for循环

Question

对于数据框中的每个点(x，y)，我想计算从该点到数据框中不具有相同“group”标签的所有其他点的欧几里得距离之和。下面是我想要实现的一个简单的for循环版本：

# some fake data
d <- data.frame(group=rep(c('a','b','c'),each=3), x=sample(1:9), y=sample(1:9), z=NA)
for (i in 1:nrow(d)) {
  d2 <- subset(d,group!=d$group[i])
  d$z[i] <- sum(sqrt((d$x[i]-d2$x)^2 + (d$y[i]-d2$y)^2))
} 

例如，点a1的期望值应该是从a1到b1、b2、b3、c1、c2、c3中每一个的距离之和，但不包括距离a1-a2或a1-a3。有没有一种矢量化的方法来实现这一点？我确信这是一个显而易见的解决方案。我尝试了by()和apply()的各种配置，但似乎找不到答案。

Answer 1

有一个非常好的方法可以有效地解决这个问题:预先计算所有的距离，并将其子集而不是点，以避免重复相同的计算。

dists <- as.matrix(dist(d[2:3]))
d$z <- sapply(seq(d$group), function(i) sum(dists[i, !d$group %in% d$group[i]]))

Answer 2

对Backlin的解决方案vs循环进行基准测试的结果(使样本数据更大，以放大差异)：

d <- data.frame(group=rep(letters[1:10],each=100), x=sample(1:1000), y=sample(1:1000), z=NA)
loopMethod <- function(d) {
  for (i in 1:nrow(d)) {
    d2 <- subset(d,group!=d$group[i])
    d$z[i] <- sum(sqrt((d$x[i]-d2$x)^2 + (d$y[i]-d2$y)^2))
  }
}
backlinMethod <- function(d) {
  dists <- as.matrix(dist(d[2:3]))
  d$z <- sapply(seq(d$group), function(i) sum(dists[i, !d$group %in% d$group[i]]))
}
system.time(loopMethod(d))
 user  system elapsed 
1.020   0.004   1.021 
system.time(backlinMethod(d))
 user  system elapsed 
0.472   0.052   0.525