Question

早上好，

我在R中开发了几个月，我必须确保代码的执行时间不会太长，因为我分析了大数据集。

因此，我一直在努力使用尽可能多的矢量化函数。

然而，我仍然想知道一些事情。

R中代价高昂的不是循环本身吗？我的意思是，当您开始修改循环中的变量时会出现问题，例如是否正确？

因此我在想，如果你只需要在每个元素上运行一个函数（你实际上并不关心结果）会怎么样。例如，在数据库中写入数据。你应该怎么做？

1）使用mapply而不将结果存储在任何地方？

2）在向量上做一个循环，只对每个元素应用f（i）？

3）我可能错过了更好的功能吗？

（当然假设你的功能没有最佳矢量化）。

foreach套餐怎么样？您是否通过使用它来改善性能？

Answer 1

只是几条评论。 for循环与apply及其变体一样快，当您尽可能地向量化函数时（即使用低级循环，而不是{ {1}}，它只隐藏apply循环）。我不确定这是否是最好的例子，但请考虑以下几点：

for

在下面的一条评论中，Marek指出上面> n <- 1e06 > sinI <- rep(NA,n) > system.time(for(i in 1:n) sinI[i] <- sin(i)) user system elapsed 3.316 0.000 3.358 > system.time(sinI <- sapply(1:n,sin)) user system elapsed 5.217 0.016 5.311 > system.time(sinI <- unlist(lapply(1:n,sin), + recursive = FALSE, use.names = FALSE)) user system elapsed 1.284 0.012 1.303 > system.time(sinI <- sin(1:n)) user system elapsed 0.056 0.000 0.057循环的耗时部分实际上是for部分：

]<-

无法立即进行矢量化的瓶颈可以在C或Fortran中重写，使用> system.time(sinI <- unlist(lapply(1:n,sin), + recursive = FALSE, use.names = FALSE)) user system elapsed 1.284 0.012 1.303进行编译，然后插入R CMD SHLIB，.Call或.C

另外，有关R中循环优化的详细信息，请参阅these links。另请参阅R News中的文章"How Can I Avoid This Loop or Make It Faster?"。

Answer 2

vapply通过要求您指定返回值是什么来避免后处理。事实证明它比for循环快3.4倍：

> system.time(for(i in 1:n) sinI[i] <- sin(i))
   user  system elapsed 
   2.41    0.00    2.39 

> system.time(sinI <- unlist(lapply(1:n,sin), recursive = FALSE, use.names = FALSE))
   user  system elapsed 
   1.46    0.00    1.45 

> system.time(sinI <- vapply(1:n,sin, numeric(1)))
   user  system elapsed 
   0.71    0.00    0.69

R中的循环效率低下

2 个答案: