R语言如何将行索引列表表示的稀疏二值矩阵转为列索引列表

不需要手写大量循环，R里用基础内置函数就能完成向量化实现，底层走C级计算，哪怕是大尺寸稀疏矩阵处理速度也很快。

实现思路 #

本质是反转「行号→该行非零元列号」的映射关系：

• 先把嵌套的行索引列表打平，生成两个等长向量：一个记录每个非零元对应的行号，一个记录每个非零元对应的列号
• 再按列号对行号分组，得到的结果就是目标列索引列表
  全程不需要写R层面的显式for/while循环。

具体代码 #

首先用题目给出的3×3矩阵做示例，先构造输入：

# 示例输入M_row，对应题目给出的3×3矩阵
M_row <- list(
  c(1, 2),
  c(2),
  c(3)
)

核心转换代码仅3行：

# 生成每个非零元对应的行号
row_ids <- rep(seq_along(M_row), lengths(M_row))
# 打平得到每个非零元对应的列号
col_ids <- unlist(M_row, use.names = FALSE)
# 按列号分组得到列索引列表
M_col <- split(row_ids, col_ids)

如果矩阵存在全零列，需要保证输出列表长度和矩阵列数一致，可以加一步补全：

# 若已知矩阵列数为n，可直接替换为n_cols <- n
n_cols <- max(col_ids)
M_col <- M_col[as.character(seq_len(n_cols))]

运行后得到的M_col和题目要求的目标输出完全一致：

> M_col
$`1`
[1] 1

$`2`
[1] 1 2

$`3`
[1] 3

超大规模矩阵的优化方案 #

如果要处理百万级以上非零元的超大型稀疏矩阵，可以直接用Matrix包的稀疏矩阵结构转置实现，内存和速度表现更好：

library(Matrix)
# 直接构建稀疏矩阵
sp_mat <- sparseMatrix(i = row_ids, j = col_ids)
# 转置后提取非零元索引，按列拆分即可
t_sp <- as(t(sp_mat), "nMatrix")
M_col <- split(t_sp@i + 1, rep(seq_len(ncol(t_sp)), diff(t_sp@p)))

注意事项 #

• 不要用嵌套lapply/sapply遍历的写法，这类写法本质还是在R层面做循环，数据量上来之后速度会比上述向量化写法慢几十到上百倍。
• 如果输入矩阵的列索引不是从1开始连续编号，需要先做列号的连续化映射，避免分组出错。

内容的提问来源于stack exchange，提问作者Zhuzhu