Question

我想知道最有效的（想想代码和速度，以防我在非常大的向量或对象上运行它）来计算向量上的递归函数。（为了计算S [i]，我们只需要S [k]直到k <=（i-1）和V [k]，其中k <= i）

一个简单的例子将给出长度为N的num向量v，以返回一个向量 S其中S [i]是v。

的前i个元素的总和

在这种特殊情况下，（for）循环非常难看......（已编辑）因此效率不高做像

这样的事情

myfun <- function(i){sum(length_table[1:i])}
        S <- sapply(v,myfun))

由于许多不必要的计算，

并不好......

有什么建议吗？

编辑：对我而言，迭代和递归之间没有太大的区别。我不知道在这种特殊情况下解决问题的cumsum函数。

好吧现在让我们有一个更一般的情况，我们有一个（num）函数f，它接受两个（num）参数，所以f（x，y）也是一个num值。我们也需要一个数字“种子”。给定长度为N的num矢量v，

我想构造由

定义的向量U.

U[1] = f(v[1],seed)
U[2] = f(v[2],U[1])
U[3] = f(v[3],U[2])...

U[N] = f(v[N],U[N-1])

在没有循环的情况下有一种很好的有效方法吗？

Answer 1

以下是两种在R中实现此功能的方法（虽然Reduce似乎更优雅，但我的经验是它更容易出现（我的）混淆）：

> y <- numeric(); y[1] <- 1; for( i in 2:10 ){ y[i] <- 3+y[i-1]*2}
> y
 [1]    1    5   13   29   61  125  253  509 1021 2045

> Reduce( function(x,y){ y= 3+ x*2}, 1:10, accumulate=TRUE)
 [1]    1    5   13   29   61  125  253  509 1021 2045

R中的递归函数应用于向量

1 个答案: