Question

这不是要求新代码，而是更多关于R如何进行这样的计算。当然，我会采取任何和所有建议来提高效率。

我们说我有一个这样的剧本：

x=matrix(complex(1:10,1:10,imaginary = 1:10),ncol=2)
y=x+300
raw=list(x,y)
raw_complex = list(raw,raw,raw,raw)

它是复杂矩阵的列表。我试图让相角超出它：phase = atan(Im(x)/Re(x))

我目前的代码是：

for (m in 1:length(raw_complex)){
  for (n in 1:length(raw_complex[[m]])){
    for (i in 1:dim(raw_complex[[m]][[n]])[1]){
      for (j in 1:dim(raw_complex[[m]][[n]])[2]){
 raw_complex[[m]][[n]][i,j]=(atan(Im(raw_complex[[m]][[n]][i,j])/Re(raw_complex[[m]][[n]][i,j])))
      }}}}

我知道，我知道，避免在R中使用循环。但从概念上讲，这使我更容易看到正在发生的事情，而不是lapply或sapply。

我的问题是，在循环的每次迭代中R是在内存中复制整个列表或矩阵而不是一次拉出一个单独的元素？显然，我宁愿每次迭代都没有R制作完整的副本。

我的真实数据集有一个4的列表，在列表的每个元素中有95个矩阵。每个矩阵都是145x901，因此您可以看到我希望如何尽可能快。

哦，如果输出是实数而不是复数，那就太好了。我尝试在as.numeric()的前面添加atan()，但这似乎没有帮助。

谢谢！

Answer 1

利用R被矢量化的事实。具体来说，这意味着您可以直接在矢量或矩阵上应用许多计算。

例如，为阶段定义一个函数：

phase <- function(x)atan(Im(x)/Re(x))
phase(x)

使用这个单一的简单函数，您可以计算矩阵中每个单元格的相位：

          [,1]      [,2]
[1,] 0.7853982 0.7853982
[2,] 0.7853982 0.7853982
[3,] 0.7853982 0.7853982
[4,] 0.7853982 0.7853982
[5,] 0.7853982 0.7853982

现在，您只需在列表中应用此phase功能一步即可。为此，您可以使用lapply()：

lapply(raw, phase)
[[1]]
          [,1]      [,2]
[1,] 0.7853982 0.7853982
[2,] 0.7853982 0.7853982
[3,] 0.7853982 0.7853982
[4,] 0.7853982 0.7853982
[5,] 0.7853982 0.7853982

[[2]]
            [,1]       [,2]
[1,] 0.003322247 0.01960533
[2,] 0.006622420 0.02279735
[3,] 0.009900667 0.02596819
[4,] 0.013157135 0.02911798
[5,] 0.016391974 0.03224688

但是你真正想要的是将这个函数递归地应用到你的列表列表中。为此，函数rapply()存在 - r代表递归：

z <- rapply(raw_complex, phase, how = "list")
str(z)
List of 4
 $ :List of 2
  ..$ : num [1:5, 1:2] 0.785 0.785 0.785 0.785 0.785 ...
  ..$ : num [1:5, 1:2] 0.00332 0.00662 0.0099 0.01316 0.01639 ...
 $ :List of 2
  ..$ : num [1:5, 1:2] 0.785 0.785 0.785 0.785 0.785 ...
  ..$ : num [1:5, 1:2] 0.00332 0.00662 0.0099 0.01316 0.01639 ...
 $ :List of 2
  ..$ : num [1:5, 1:2] 0.785 0.785 0.785 0.785 0.785 ...
  ..$ : num [1:5, 1:2] 0.00332 0.00662 0.0099 0.01316 0.01639 ...
 $ :List of 2
  ..$ : num [1:5, 1:2] 0.785 0.785 0.785 0.785 0.785 ...
  ..$ : num [1:5, 1:2] 0.00332 0.00662 0.0099 0.01316 0.01639 ...

这会很快 - 不是因为你避开了循环 - 而是因为你在矩阵上计算，而不是每个单元格。

更重要的是，它简洁易读。

加速R中的循环

1 个答案: