Question

我想获取一个数据帧（一个数字）的一列的每个元素，将其乘以一个向量以得到一个向量，然后将其乘以一个数据帧中的每一行，将其核心化为一个向量。

代码如下：

df = data.frame(matrix(rexp(1441*100, rate=.1), ncol=100))

out_vec <- c()
for (i in 1:nrow(df)) {


  out_vec[i]<- sum(df[i, 5:100] * (1 + abs(df$X1[i])/100) ^ -(0:95 / 12))

}

我如何向量化此代码？我尝试过

out_vec_alt <- rowSums(df[, 5:100] * (1 + abs(df$X1)/100) ^ -(0:95 / 12))

但未产生预期的结果：

all(out_vec_alt == out_vec) #FALSE

Answer 1

第二部分需要使用outer完成。您可以以向量化方式使用a^b，但不会将操作应用于a的第一个元素，而不是b的所有元素，a的第二个元素与b等所有元素的比较，例如在这种情况下它只会给出c(a[1]^b[1], a[2]^b[2], ..., a[n]^b[n])。

out_vec2 <- rowSums(df[5:100] * outer(1 + abs(df$X1)/100, -(0:95)/12, `^`))

all.equal(out_vec, out_vec2)
# [1] TRUE

显然这会更快，但令我惊讶的是，此示例的速度（中位数时间）快了200倍以上

loop <- function(){
  out_vec <- c()
  for (i in 1:nrow(df)) {
    out_vec[i]<- sum(df[i, 5:100] * (1 + abs(df$X1[i])/100) ^ -(0:95 / 12))
  }
  out_vec
}

vect <- function() rowSums(df[5:100] * outer(1 + abs(df$X1)/100, -(0:95)/12, `^`))

library(microbenchmark)
microbenchmark(loop(), vect(), times = 10)
# Unit: milliseconds
#    expr         min          lq        mean      median          uq        max neval
#  loop() 12065.34780 12756.12062 13095.97435 12892.87818 13460.56978 15030.0197    10
#  vect()    35.73011    41.36212    60.57327    54.40029    79.25182   104.0453    10

R向量化运算

1 个答案: