在举行一些数据分析是常常会必要将一个数据对象转化为矩阵，以及希罕矩阵（sparse matrix）和稠密矩阵之间的互化。
题目&报错
在R情况中，用的非常广泛的函数就是as.matrix(),但是，当转化的希罕矩阵对象非常巨大的时间，比方细胞数目非常多的单细胞数据，R就会报如下雷同的错误:
Error in asMethod(object) : Cholmod error 'problem too large' at file ../Core/cholmod_dense.c缘故原由&办理
这是由于as.matrix这个函数自己不支持大要量的希罕矩阵转换为稠密矩阵（也就是我们常规的矩阵），但假如采取用高级语言（比方R或python）循环填进去的方法的话，极其淹灭资源，以是可以选择直接修改该函数的底层C++语言，来办理这个题目：
library(Rcpp)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,cp) = z; } return mat;}' )as_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)}as_matirx() #接下来调用即可PS，假如数据是浮点型必要把上述的IntegerMatrix替换为NumericMatrix，否则会强制转化为整型的矩阵。
构建希罕矩阵
别的，假如必要将稠密矩阵转化成为希罕矩阵，方法许多，先容一种使用
library("Matrix")dg <- as(matrix_object,"dgCMatrix")详细关于构建息争释希罕矩阵，可以参照：https://blog.csdn.net/jeffery0207/article/details/122507934
题外
末了，实在假如不想这么贫苦，又不想去sample随机取样缩减数据量，各人也不消那么枯燥，那就先把大矩阵拆分成几个小的，转完之后再合并就行了，结果是一样的，不好坏得一次性转完才算好，曲线救国的方式许多，bug自然就消散了。 |
