Question

bucketIndex <- function(v, N){
  o <- rep(0, length(v))

  curSum <- 0
  index  <- 1

  for(i in seq(length(v))){
    o[i] <- index

    curSum <- curSum + v[i]
    if(curSum > N){
      curSum <- 0
      index <- index + 1
    }
  }

  o
}

> bucketIndex(c(1, 1, 2, 1, 5, 1), 3)
[1] 1 1 1 2 2 3

我想知道这个功能是否从根本上是不可矢量化的。如果是，是否有一些软件包来处理这个“类”的函数，或者是唯一的替代方法（如果我想要速度）将其写为c扩展名？

Answer 1

这是一次尝试（尚未到达bucketIndex！）：

你的

curSum <- curSum + v[i]
if(curSum > N){
  curSum <- 0
  index <- index + 1
}

几乎是%/%的整数除cumsum (v)。

但不完全是，即使v [i]是＆gt;，您的索引也只会计数1。几次N，你从1开始。我们几乎可以通过转换为一个因子并返回整数来处理这个问题。
但是，我想知道（从函数的名称）这种行为是否真正意图：
```
> bucketIndex (c(1, 1, 2, 1, 2, 1, 1, 2, 1, 5, 1), 3)
[1] 1 1 1 2 2 2 3 3 3 4 5
> bucketIndex (c(1, 1, 1, 2, 2, 1, 1, 2, 1, 5, 1), 3)
[1] 1 1 1 1 2 2 2 3 3 3 4
```
即。只需在v中连续两次输入，就可以在结果中产生不同的最大值。
另一点是，在导致总和为＆gt;的元素之后，只计算 N。这意味着结果应该在开头有一个额外的1，最后一个元素应该被删除。

您将curSum重置为0，无论它在N上拍摄多少。因此，对于cumsum (v) > N的所有元素，您需要减去此值，然后查找下一个cumsum (v) > N，依此类推。这减少了与for循环相关的循环迭代次数，但这是否会为您提供次级改进取决于v和N的条目（或max (index)上的条目1}}：length (v)比例）。如果这是你的例子中的50％，我认为你不会获得实质性收益。除非他们之间至少有一个重要的顺序，否则我会去inline::cfunction。

Answer 2

我要在这里走出去，说答案是“不”。从本质上讲，你根据当前总和的结果改变你总结的东西。这意味着未来的计算取决于中间计算的结果，矢量化操作无法做到。

Answer 3

我认为这不是完全可矢量化的，但是@cbeleites通过一次处理整个块（桶）来减少循环中的迭代次数。每次迭代都会查找累积和超过N的位置，将索引分配给该范围，将累积和减少超出N的任何值，并重复直到向量耗尽。其余的是簿记（值的初始化和值的增量）。

bucketIndex2 <- function(v, N) {
    index <- 1
    cs <- cumsum(v)
    bk.old <- 0
    o <- rep(0, length(v))

    repeat {
        bk <- suppressWarnings(min(which(cs > N)))
        o[(bk.old+1):min(bk,length(v))] <- index
        if (bk >= length(v)) break
        cs <- cs - cs[bk]
        index <- index + 1
        bk.old <- bk
    }

    o
}

这与您的各种随机输入功能相匹配：

for (i in 1:200) {
  v <- sample(sample(20,1), sample(50,1)+20, replace=TRUE)
  N <- sample(10,1)
  bi <- bucketIndex(v, N)
  bi2 <- bucketIndex2(v, N)
  if (any(bi != bi2)) {
    print("MISMATCH:")
    dump("v","")
    dump("N","")
  }
}

这个R函数可以被矢量化吗？

3 个答案: