​答读者问 （十五）稀疏矩阵转matrix, as.matrix函数是下下策

往期回顾

问题

最近总是有粉丝遇到下图这么个问题，看起来这个稀疏矩阵过大，as.data.frame()处理不了了。

怎么解决问题

在单细胞测序的分析过程中，我们经常需要把Seurat对象中的稀疏矩阵转换为二维矩阵/数据框，很多小伙伴会用as.data.frame()或者as.matrix()之类的函数，但是这个函数运行起来效率非常之低下，并且有时会遇到内存不足的问题，具体我们来感受一下

library(Seurat)
## Attaching SeuratObject
mydgmatrix <- Read10X('filtered_gene_bc_matrices/hg19/')
class(mydgmatrix)#这是一个稀疏矩阵
## [1] "dgCMatrix"
## attr(,"package")
## [1] "Matrix"
system.time({
  mymatrix <- as.matrix(mydgmatrix)
})
##    user  system elapsed 
##   0.658   0.571   1.230

system.time({
  mymatrix <- as.data.frame(mydgmatrix)
})
##    user  system elapsed 
##   2.915   1.056   3.971

上面用到的是测试文件因此运行的比较快，但是我们也可以发现，as.matrix()的速度明显要比as.data.frame要快一些，那么，有没有更快的方法呢？当然有：

Rcpp::sourceCpp(code='
#include <Rcpp.h>
using namespace Rcpp;
// [[Rcpp::export]]
IntegerMatrix asMatrix(NumericVector rp,
                       NumericVector cp,
                       NumericVector z,
                       int nrows,
                       int ncols){
  int k = z.size() ;
  IntegerMatrix  mat(nrows, ncols);
  for (int i = 0; i < k; i++){
      mat(rp[i],cp[i]) = z[i];
  }
  return mat;
}
' )#[1]


as.my.matrix <- function(mat){

  row_pos <- mat@i
  col_pos <- findInterval(seq(mat@x)-1,mat@p[-1])

  tmp <- asMatrix(rp = row_pos, cp = col_pos, z = mat@x,
                  nrows =  mat@Dim[1], ncols = mat@Dim[2])

  row.names(tmp) <- mat@Dimnames[[1]]
  colnames(tmp) <- mat@Dimnames[[2]]
  return(tmp)
}
system.time({mymatrix <- as.my.matrix(mydgmatrix)})#看一下实际运行速度
##    user  system elapsed 
##   0.238   0.332   0.572
#不用多说了吧，只用了as.data.frame的1/10，这只是一个测试数据，用真正大型的数据计算时效率会差的更多，并且这种循环的方式可以节省很多的内存。

[1]https://www.jianshu.com/p/3785feb91678

如何联系我们

最近发现后台中有一些消息我没能及时看到并答复，微信后台中超过48h后便不允许回复读者消息，这里还是再给大家留一下答疑的扣扣号，方便大家随时交流。微信号可以点击喜欢作者后自动回复里有。欢迎大家向我咨询或者提供建议。大家可以阅读完这几篇之后添加我：如何搜索公众号过往发布内容
答疑公约
笑一笑也就算了