在R语言中将6n×6n矩阵的块对角外元素置0的方法求助

现有维度为6n×6n的矩阵，需要将主对角线上所有6×6子块以外的元素替换为0，以下是几种高效的实现方案：

示例准备 #

先创建12×12的示例矩阵（对应n=2的情况）：

# 创建12×12示例矩阵
mat <- matrix(1:144, nrow=12, ncol=12)
mat

期望输出仅保留两个6×6主对角块的矩阵：

new_mat
      [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [,11] [,12] 
 [1,]    1   13   25   37   49   61    0    0    0     0     0     0  
 [2,]    2   14   26   38   50   62    0    0    0     0     0     0  
 [3,]    3   15   27   39   51   63    0    0    0     0     0     0 
 [4,]    4   16   28   40   52   64    0    0    0     0     0     0  
 [5,]    5   17   29   41   53   65    0    0    0     0     0     0  
 [6,]    6   18   30   42   54   66    0    0    0     0     0     0  
 [7,]    0    0    0    0    0    0   79   91  103   115   127   139
 [8,]    0    0    0    0    0    0   80   92  104   116   128   140
 [9,]    0    0    0    0    0    0   81   93  105   117   129   141
[10,]    0    0    0    0    0    0   82   94  106   118   130   142
[11,]    0    0    0    0    0    0   83   95  107   119   131   143
[12,]    0    0    0    0    0    0   84   96  108   120   132   144

方案一：矩阵索引批量赋值 #

通过计算行和列所属的块索引，直接标记需要保留的元素，向量化操作效率高：

# 获取矩阵维度
n <- nrow(mat)
block_size <- 6
# 计算每个行/列对应的块编号
row_blocks <- ceiling((1:n)/block_size)
col_blocks <- ceiling((1:n)/block_size)
# 生成逻辑矩阵：仅当行块和列块相同时为TRUE
keep_mask <- outer(row_blocks, col_blocks, `==`)
# 将不需要保留的元素置0
new_mat <- mat
new_mat[!keep_mask] <- 0

方案二：循环提取重组块矩阵 #

逻辑直观，适合理解块操作的过程：

n <- nrow(mat)
block_size <- 6
num_blocks <- n / block_size
# 初始化全0矩阵
new_mat <- matrix(0, nrow = n, ncol = n)
# 循环填充每个对角块
for (i in 1:num_blocks) {
  row_range <- ((i-1)*block_size + 1):(i*block_size)
  col_range <- ((i-1)*block_size + 1):(i*block_size)
  new_mat[row_range, col_range] <- mat[row_range, col_range]
}

方案三：Kronecker乘积生成掩码 #

利用矩阵乘积快速生成块对角掩码，代码简洁：

n <- nrow(mat)
block_size <- 6
num_blocks <- n / block_size
# 生成单位矩阵的Kronecker乘积作为掩码
mask <- kronecker(diag(num_blocks), matrix(1, nrow=block_size, ncol=block_size))
# 元素级相乘得到结果
new_mat <- mat * mask

三种方案均可实现需求，方案一和方案三的向量化操作更适合处理大规模矩阵；方案二更易理解块操作逻辑。

内容的提问来源于stack exchange，提问作者gcoder