Question

我想要一些关于编写更好的R代码的建议。我目前在R中编写了一个循环，它遇到了性能问题。

我无法绕过矢量化它，因为输出数据帧中的每一行都依赖于前面的行，并且它们会迭代地向下滴，所以我编写了一个循环来按顺序读取/写入行。

我的代码示例：

example <- data.frame(a=c(.5,.1,.5,.25),b=c(1,0,2,0),c=c(1,2,3,4),d=c(4,3,2,1))

for (i in 2:nrow(example)) {
  if (example[i,1]>0) {
    example[i,2]<-example[i,2]+example[i-1,2]*example[i,1]
    example[i,3]<-example[i,3]+example[i-1,3]*example[i,1]
    example[i,4]<-example[i,4]+example[i-1,4]*example[i,1]

  }
}

看看发生了什么：

# before    
     a b c d
1 0.50 1 1 4
2 0.10 0 2 3
3 0.50 2 3 2
4 0.25 0 4 1

# after
     a      b      c     d
1 0.50 1.0000 1.0000 4.000
2 0.10 0.1000 2.1000 3.400
3 0.50 2.0500 4.0500 3.700
4 0.25 0.5125 5.0125 1.925

Answer 1

我不确定如何通过行操作来避免，但这里有3条建议可以通过 ~X90 来提高性能

使用矩阵代替data.frames进行此类操作
预先分配您要操作的行
在循环中矢量化操作

换句话说，尝试将代码转换为

indx <- which(example[-1, 1] > 0)
for(i in indx + 1) example[i, -1] <- example[i, -1] + example[i-1, -1] * example[i, 1]

另请注意，此解决方案适用于任何列数

<强>基准

set.seed(123)
N <- 1e3
test <- matrix(runif(N * 4), ncol = 4)
example <- as.data.frame(test)


OP <- function(x){
  for (i in 2:nrow(x)) {
    if (x[i, 1]>0) {
      x[i,2]<-x[i,2]+x[i-1,2]*x[i,1]
      x[i,3]<-x[i,3]+x[i-1,3]*x[i,1]
      x[i,4]<-x[i,4]+x[i-1,4]*x[i,1]
    }
  }
  x
}

David <- function(x){
  indx <- which(x[-1, 1] > 0)
  for(i in indx + 1) x[i, -1] <- x[i, -1] + x[i-1, -1] * x[i, 1]
  x
}

identical(OP(example), as.data.frame(David(test)))
# [1] TRUE

library(microbenchmark)    
microbenchmark(OP(example), David(test))    
# Unit: milliseconds
#        expr        min         lq       mean     median         uq        max neval cld
# OP(example) 243.913429 246.248061 257.672703 247.104350 256.701590 337.375850   100   b
# David(test)   3.020688   3.080685   3.336778   3.133483   3.301797   9.240615   100  a

避免在R中循环

1 个答案: