一个很大的矩阵， 320127 行, 8189列，假如用一个全为0的普通矩阵来存储，需要用到9.8Gb

cols

rows

mat

print(object.size(mat), unit="GB")

# 19.5 Gb

mat

print(object.size(mat), unit="GB")

# 9.8 Gb这里的0其实也要区分

这里的0L表示数据类型是integer，默认是numeric. 这两者最大的区别在于，当你用320127L * 8189L，你会得到一个NA，而320127 * 8189不会

如果用稀疏矩阵保存的话

mat

print(object.size(mat), unit="GB")

#0 Gb

dim(mat)

#[1] 320127 8189

虽然行列数一样，但是稀疏矩阵几乎不占用任何内存。而且普通矩阵支持的运算，比如说求行和，求列和，提取元素的操作，在稀疏矩阵矩阵也是可以的，只不过会多花一点点时间而已。同时还有很多R包支持稀疏矩阵，比如说glmnet，一个做lasso回归的R包。

虽然看起来稀疏矩阵很美好，但是在R语言中那么大的稀疏矩阵的部分操作会出错

> mat2

Error in asMethod(object) :

Cholmod error 'problem too large' at file ../Core/cholmod_dense.c, line 105

即便是我想把它用as.matrix转回普通矩阵，它也报错了

> mat3

Error in asMethod(object) :

Cholmod error 'problem too large' at file ../Core/cholmod_dense.c, line 105

既然现成的as.matrix无法处理，那怎么办呢？最简单粗暴的方法就是新建一个普通矩阵，然后对稀疏矩阵进行遍历，将稀疏矩阵的值挨个放回到的普通矩阵上。

mat2

for (i in seq_len(nrow(mat))){

for (j in seq_len(ncol(mat))){

mat2[i][j]

}

}

那么这大概要多少时间呢？反正我的电脑跑了2个小时也没有跑完，所以你也别测试了。

那有没有办法可以加速呢？加速的方法就是减少for循环的次数，因为我们是一个稀疏矩阵，大部分的空间都是0，我们只需要将不为0的部分赋值给新矩阵即可。

这需要我们去了解下稀疏矩阵的数据结构

> str(mat)

Formal class 'dgCMatrix' [package "Matrix"] with 6 slots

..@ i : int(0)

..@ p : int [1:8190] 0 0 0 0 0 0 0 0 0 0 ...

..@ Dim : int [1:2] 320127 8189

..@ Dimnames:List of 2

.. ..$ : NULL

.. ..$ : NULL

..@ x : num(0)

..@ factors : list()

@Dim记录矩阵的维度信息, @Dimnames记录行名和列名, @x记录不为0的数值。@i记录不为0的行索引，和@x对应，这里全为0，所以不记录。@p比较复杂，并不是简单的记录不为0值的列索引，看文档也不知道是啥，不过通过检索可以找到它和不为0值的列索引的换算关系。

因此代码优化为

row_pos

col_pos

val

for (i in seq_along(val)){

tmp[row_pos[i],col_pos[i]]

}

可以将其封装为一个函数

as_matrix

tmp

row_pos

col_pos

val

for (i in seq_along(val)){

tmp[row_pos[i],col_pos[i]]

}

row.names(tmp)

colnames(tmp)

return(tmp)

}