在R语言中将二进制整数向量转换为整数的实现方案求助

单个二进制向量转换 #

直接用向量运算实现，无需依赖已移除的第三方包：

# 示例向量
x <- c(0, 0, 0, 1)
# 转换函数：按位计算权重并求和
binary_to_int <- function(vec) {
  sum(vec * 2^rev(seq_along(vec) - 1))
}
binary_to_int(x) # 输出：1

矩阵批量转换（每行对应一个二进制串） #

如果数据是以矩阵形式存储（每行是一组二进制向量），用矩阵乘法实现高效批量计算：

# 示例矩阵：2行4列，每行对应一个二进制向量
mat <- rbind(
  c(0, 0, 0, 1),
  c(1, 0, 1, 0)
)
# 生成每一位对应的权重向量（2的幂次）
weights <- 2^rev(seq(ncol(mat)) - 1)
# 矩阵乘法批量计算每行的整数结果
mat_to_ints <- mat %*% weights
mat_to_ints # 输出：1 和 10

并行处理方案（针对超大规模矩阵） #

当矩阵行数极多（如百万级），可通过parallel包实现并行加速：

library(parallel)

# 将矩阵按行拆分为若干块，拆分数量可根据核心数调整
split_mat <- split(seq(nrow(mat)), cut(seq(nrow(mat)), 4))
# 获取可用核心数（保留1个核心给系统）
n_cores <- detectCores() - 1

# 并行计算每块的结果
parallel_results <- mclapply(split_mat, function(idx) {
  mat[idx, ] %*% weights
}, mc.cores = n_cores)

# 合并并行计算结果
final_results <- do.call(rbind, parallel_results)

若偏好tidyverse风格，也可使用furrr包实现并行：

library(furrr)
# 设置并行会话
plan(multisession, workers = n_cores)

# 将矩阵按行转为列表，并行映射转换函数
mat_list <- asplit(mat, 1)
parallel_results <- future_map_dbl(mat_list, binary_to_int)

内容的提问来源于stack exchange，提问作者Paul