基于行列名称匹配的矩阵高效计算R代码求助

要高效实现你需要的计算（保持行业组合不变，将对应国家的同行业/跨行业组合数值相乘，对角线块为平方），可以利用R中矩阵乘法的BLAS优化特性，避免低效循环或outer函数的性能问题。核心思路是提取原矩阵的对角线元素（每个国家-行业组合的自身值），再通过列向量乘行向量的方式快速生成结果矩阵，这种方法对于2000*2000规模的矩阵也能高效处理。

步骤说明 #

1. 提取对角线元素：原矩阵的对角线元素对应每个「国家-行业」组合的自身数值（即a[rown, rown]）。
2. 生成结果矩阵：将对角线元素向量作为列向量，与它的转置（行向量）做矩阵乘法，得到的新矩阵中每个元素(i,j)即为原矩阵对角线元素i和j的乘积——完全符合你要求的「保持行业组合不变，对应国家的同行业组合数值相乘」，且对角线元素自然为平方值。

代码实现 #

set.seed(10)
a <- matrix(sample(36), nrow = 6)
colnames(a) <- rownames(a) <- paste(rep(c("aaa", "bbb", "ccc"), each = 2), rep(1:2, times = 3))

# 提取对角线元素
diag_vals <- diag(a)

# 高效生成结果矩阵（BLAS优化的矩阵乘法，远快于outer）
result_matrix <- diag_vals %*% t(diag_vals)

# 可选：如果仅需要对同行业的块进行替换，不同行业块保留原数值
# 提取行业信息
row_industry <- sub("^\\w+\\s(\\d+)$", "\\1", rownames(a))
col_industry <- sub("^\\w+\\s(\\d+)$", "\\1", colnames(a))

# 初始化结果矩阵为原矩阵
result_matrix_partial <- a

# 遍历每个行业，替换同行业块
for (industry in unique(row_industry)) {
  row_idx <- which(row_industry == industry)
  col_idx <- which(col_industry == industry)
  diag_sub <- diag_vals[row_idx]
  result_matrix_partial[row_idx, col_idx] <- diag_sub %*% t(diag_sub)
}

性能说明 #

• 对于2000*2000的矩阵，diag_vals %*% t(diag_vals)的运算依赖R底层的BLAS库（通常是OpenBLAS或MKL），能利用多核CPU加速，执行时间仅需毫秒级，远优于循环或outer函数。
• 如果仅需替换同行业块，循环遍历行业的开销极小（因为行业数量远少于2000），整体性能依然高效。

内容的提问来源于stack exchange，提问作者Adrian