Question

我完全相信高效的R程序应该尽可能避免使用循环，而应该使用apply函数的大系列。但如果没有痛苦，这是不可能的。例如，我面临一个问题，其解决方案涉及应用函数中的总和，因此结果列表减少到单个值，这不是我想要的。具体来说，我会尽量简化我的问题假设N =100

sapply(list(1:N), function(n) (
    choose(n,(floor(n/2)+1):n) * 
    eps^((floor(n/2)+1):n) * 
    (1- eps)^(n-((floor(n/2)+1):n))))

正如您所看到的，内部函数会导致构建向量的长度爆炸而使用里面的和将把所有东西都折成单值

sapply(list(1:N), function(n) (
    choose(n,(floor(n/2)+1):n) * 
    eps^((floor(n/2)+1):n) * 
    (1- eps)^(n-((floor(n/2)+1):n))))

我想要的是N的程度列表。所以你怎么看？我怎么修理它？

Answer 1

您的问题不包含可重现的代码（什么是“eps”？），但关于for循环和优化代码的一般观点：

For循环并不是非常慢。由于内存分配给对象的方式不正确，因此循环速度极慢。对于原始对象（如向量），修改字段中的值的成本很小 - 但扩展向量的长度/成本相当昂贵，因为您实际上正在创建一个全新的对象，为该对象寻找空间，复制名称，删除旧对象等。对于非原始对象（比如数据帧），它甚至更昂贵，因为每次修改，即使它不改变data.frame的长度，也会触发这个过程

但是：有一些方法可以优化for循环并使它们快速运行。最简单的指导方针是：

不要运行写入data.frame的for循环。请使用plyr或dplyr或data.table，具体取决于您的偏好。
如果您正在使用矢量并且可以提前知道输出的长度，它将更快地工作。在写入之前指定输出对象的大小。
不要把自己扭成结，避免循环。

所以在这种情况下 - 如果你只为N中的每个东西生成一个单独的值，你可以用向量完美地完成它的工作：

#Create output object. We're specifying the length in advance so that writing to
#it is cheap
output <- numeric(length = length(N))

#Start the for loop
for(i in seq_along(output)){
    output[i] <- your_computations_go_here(N[i])
}

这实际上并不是特别慢 - 因为你正在写一个向量而你已经预先指定了长度。而且由于data.frames实际上是同等大小的向量列表，你甚至可以解决使用这个在data.frames上运行for循环的一些问题。如果您只是写入data.frame中的单个列，只需将其创建为向量，然后通过df$new_col <- output将其写入data.frame。你将得到相同的输出，就好像你已经遍历data.frame，但它会更快地工作，因为你只需要修改它一次。

另一个适用问题

1 个答案: