R语言基于指定数值向量高效生成特殊对角矩阵的方案咨询

首先避免使用c作为变量名，这是R的内置拼接函数，容易引发命名冲突，我们将其重命名为vec。

方案1：基于托普利茨矩阵实现（最高效，推荐） #

托普利茨矩阵生成和下三角赋值都是R底层C实现，完全避免R层循环开销，适合超大规模数据集：

# 定义原始向量
vec <- c(5, 4.5, 4, 3.5, 3, 2.5, 2, 1.5, 1, 0.5, 0, 0)
n <- length(vec)
# 生成托普利茨矩阵
mat <- toeplitz(vec)
# 将下三角（不含对角线）元素置为0
mat[lower.tri(mat)] <- 0

运行后得到的mat就是你需要的矩阵格式，如果需要转成data.table，直接调用as.data.table(mat)即可。

方案2：纯向量化索引赋值（无依赖） #

如果不想依赖stats包的toeplitz函数，可以用矩阵索引向量化操作实现，效率同样远高于纯R循环：

vec <- c(5, 4.5, 4, 3.5, 3, 2.5, 2, 1.5, 1, 0.5, 0, 0)
n <- length(vec)
# 初始化全0矩阵
mat <- matrix(0, nrow = n, ncol = n)
# 获取所有列索引大于等于行索引的位置
fill_pos <- which(col(mat) >= row(mat), arr.ind = TRUE)
# 按位置对应关系赋值
mat[fill_pos] <- vec[fill_pos[, "col"] - fill_pos[, "row"] + 1]

效率说明 #

以上两种方案都没有R层的显式循环，所有计算都调用底层编译代码，对于10000×10000级别的矩阵也能在秒级完成运算，相比手写R循环效率提升至少上百倍。

内容的提问来源于stack exchange，提问作者lil_barnacle