如何高效对dgCMatrix稀疏矩阵各列执行dplyr::dense_rank降序排名

针对你需要对dgCMatrix类型稀疏矩阵按列做降序密集排名（相同数值获相同排名且无间隔），并输出包含行列名及排名的data.frame的需求，这里提供两种比循环更高效的实现方案：

方法一：使用tidyverse工具链（简洁易读） #

利用tidyr的格式重塑工具结合dplyr的分组计算，避免手动循环，代码更简洁且性能更优：

library(Matrix)
library(tidyverse)

# 构造示例稀疏矩阵
set.seed(1)
mat <- Matrix(c(0,0,2:0), 3,5)
rownames(mat) <- paste0("g",1:3)
colnames(mat) <- paste0("c",1:5)

# 转换格式并计算排名
df_rank <- mat %>%
  as.data.frame() %>%
  rownames_to_column(var = "gene_name") %>%  # 保留行名为gene_name列
  pivot_longer(cols = -gene_name, names_to = "cell", values_to = "value") %>%  # 转长格式
  group_by(cell) %>%  # 按列分组
  mutate(rank = dense_rank(desc(value))) %>%  # 计算降序密集排名
  ungroup()

方法二：使用data.table（大数据量场景首选） #

data.table的内部优化在处理大规模数据时性能远超普通循环，适合矩阵行数/列数较多的场景：

library(Matrix)
library(data.table)

# 构造示例稀疏矩阵
set.seed(1)
mat <- Matrix(c(0,0,2:0), 3,5)
rownames(mat) <- paste0("g",1:3)
colnames(mat) <- paste0("c",1:5)

# 转换为data.table并计算排名
dt <- as.data.table(mat, keep.rownames = "gene_name")  # 直接保留行名
df_rank <- melt(dt, id.vars = "gene_name", variable.name = "cell", value.name = "value")[,
  rank := dense_rank(desc(value)),  # 按列计算降序密集排名
  by = cell
][]  # 最后空括号用于输出结果

方案优势说明 #

原方法通过lapply循环每一列再rbind合并，当矩阵规模较大时循环的性能开销会显著提升。上述两种方案均采用向量化操作，避免了循环的额外损耗，同时：

• tidyverse方案代码更直观，易维护；
• data.table方案在处理超大矩阵时运算速度更快，内存利用更高效。

内容的提问来源于stack exchange，提问作者dan