Question

我想使用BiomaRt包查询数据库。我有loci并希望检索一些相关信息，比如description。

我首先尝试使用lapply，但对执行任务所需的时间感到惊讶。因此，我尝试了更基本的for-loop并获得更快的结果。

我的代码或我对apply的理解是预期的还是错误的？我阅读了有关*apply vs for-loop效果（Here, for example）的其他帖子，我知道不应该预期会有更好的表现，但我不明白为什么这里的表现实际上是下

这是一个可重复的例子。

1）加载库并选择数据库：

library("biomaRt")
athaliana <- useMart("plants_mart_14")
athaliana <- useDataset("athaliana_eg_gene",mart=athaliana)

2）查询数据库：

loci <- c("at1g01300", "at1g01800", "at1g01900", "at1g02335", "at1g02790", 
"at1g03220", "at1g03230", "at1g04040", "at1g04110", "at1g05240"
)

我创建了一个在lapply中使用的函数：

foo <- function(loci) {
  getBM("description","tair_locus",loci,athaliana)
}

当我在第一个元素上使用此函数时：

> system.time(foo(cwp_loci[1]))
utilisateur     système      écoulé 
      0.020       0.004       1.599

当我使用lapply检索所有值的数据时：

> system.time(lapply(loci, foo))
utilisateur     système      écoulé 
      0.220       0.000      16.376

然后我创建了一个新功能，添加了for-loop：

foo2 <- function(loci) {
  for (i in loci) {
    getBM("description","tair_locus",loci[i],athaliana)
  }
}

结果如下：

> system.time(foo2(loci))
utilisateur     système      écoulé 
      0.204       0.004      10.919

当然，这将应用于loci的大列表，因此需要效果最佳的选项。我感谢您的帮助。

编辑按照@MartinMorgan的建议

简单地将向量loci传递给getBM可以极大地提高查询效率。更简单更好。

> system.time(lapply(loci, foo))
utilisateur     système      écoulé 
      0.236       0.024     110.512 

> system.time(foo2(loci))
utilisateur     système      écoulé 
      0.208       0.040     116.099 

> system.time(foo(loci))
utilisateur     système      écoulé 
      0.028       0.000       6.193

Answer 1

我觉得这与lapply vs for循环无关。有一个数据库的呼叫需要1.6秒，lapply这样做10次，即总共16秒。 for循环没有什么不同，它调用数据库10次。但是，它执行apply循环所执行的相同查询，可能导致数据库返回缓存结果而不是查询数据库。这可以通过反转调用的顺序来检查，以查看时间是否有利于lapply。感谢@JoshuaUlrich在聊天中建议数据库缓存。除了数据库缓存（或网络服务器的缓存）之外，@ MartinMorgan的建议还为getBM所花费的时间增加了相当多的随机性。

底线，很可能差异在R之外，并且与循环，lapply或for循环的风格无关。

Answer 2

apply函数系列虽然是惯用的，但它们只是for循环的语法糖。他们往往比较慢。正如约兰所指出的那样this has been asked之前就已经过了。

如果您想要加速R中的循环提示，请参阅this volume of R News（pdf）的第46页，称为“R帮助台 - 如何避免此循环或使其更快？”

当用于BiomaRt查询时，lapply比for循环慢。这是预期的吗？

2 个答案: