R:优化穗修剪功能

Question

由于我没有找到一个用于分析电生理数据的R软件包，所以我使用了一种从我的小组中修剪穗的功能：

prune.spikes <- function(spikes, min.isi) {
    # copy spike matrix
    prunedspikes <- spikes

    # initialise index of last spike: infinitely before the first one.
    for (i in 1:ncol(spikes)) {
        last <- -Inf
        for (j in 1:nrow(spikes)) {
            if (spikes[j, i] == 1) {
                if (j - last < min.isi) {
                    prunedspikes[j, i] <- 0;  # remove the spike
                }
                else {
                    last <- j
                }
            }
        }   
    }
    return(prunedspikes)
}

该函数接受由0和1值组成的尖峰向量或矩阵，如果它发生在最小间隔内，则删除任何1。因为有两个嵌套循环，所以需要很长时间才能运行。为了优化它，我提出了这个解决方案(删除一个循环)：

prune.cols <- function(spikes, min.isi) {
    prunedspikes <- apply(spikes, 2, FUN = prune.rows, min.isi = min.isi)
    return(prunedspikes)
}

prune.rows <- function(spikes, min.isi) {
    prunedspikes <- spikes
    last <- -Inf
    for (i in 1:length(spikes)) {
        if (spikes[i] == 1) {
            if (i - last < min.isi) {
                prunedspikes[i] <- 0;  # remove the spike
            }
            else {
                last <- i
            }
        }
    }
    return(prunedspikes)
}

与原始版本(大约60次)相比，在大型数据集中调用prune.cols要快得多。不过，还有一个循环。到目前为止，我还没有想出一个好的、简单的解决方案。怎样才能进一步改善功能呢？

Answer 1

就像@Khashaa提议的那样，我在Rcpp的帮助下实现了这个函数：

NumericMatrix prunespikes(NumericMatrix spikes, double minisi) {
  NumericMatrix prunedspikes = spikes;
  int ncol = spikes.ncol();
  int nrow = spikes.nrow();
  for (int i = 0; i < ncol; i++) {
    int last = 0;
    while (spikes(last, i) == 0) {
      last++;
    }
    for (int j = last + 1; j < nrow; j++) {
      if (spikes(j, i) == 1) {
        if (j - last < minisi) {
          prunedspikes(j, i) = 0;
        } else {
          last = j;
        }
      }
    }
  }
  return prunedspikes;
}

Answer 2

如果速度差异还不是一个问题，它可能更好地保持循环，而不是使用Rcpp。

根据Hadley的文章应该按原样留下的循环，拥有这个循环并不是个坏主意，因为它可以被归类为递归关系案例。

一旦速度成为瓶颈，那么诉诸Rcpp或此页 (本文也建议)可能是解决方案。