Question

f <- function(n){
  s <- 0
  for (i in 1:n){
    s <- s + (i/2)
  }
  print(s)
}

棘手的部分当然是s递归依赖于前一个循环..

[编辑]

感谢您的回答。我只是试图使用R中的矢量化与循环相比来验证性能的增量。

当n = 1000000000时，上述函数需要287秒，而sum((1:n)/2)和sum(seq_len(n)/2)都返回一个错误，系统“无法分配大小为7.5 Gb的向量”

为了比较，Julia中的相同函数（n = 1000000000）需要38秒（0.87定义s的类型），在C ++中使用2.48秒/0.87进行优化编译，在Python中使用98秒/ 0.88 numba装饰者。

Answer 1

你可以这样做（如果是n>0）：

sum(seq_len(n)/2)

f(10)
#[1] 27.5

sum(seq_len(10)/2)
#[1] 27.5

如果n<0：

sum((1:n)/2)

n <- -11
f(n)
#[1] -32.5

sum((1:n)/2)
#[1] -32.5

只是一个快速的基准测试：

library(microbenchmark)
n <- 10000

f1 <- function(n) sum(seq_len(n)/2)
f2 <- function(n){ s <- 0;for (i in 1:n){s <- s + (i/2);};s}

f1(n)==f2(n)
# [1] TRUE
microbenchmark(f1(n), f2(n))

# Unit: microseconds
  # expr      min       lq       mean   median       uq      max neval
 # f1(n)   20.733   22.235   27.51751   22.836   24.639   82.028   100
 # f2(n) 3971.008 4275.383 4517.52582 4484.510 4648.867 5867.272   100

Answer 2

这是你的意思吗？

n<-10
print(sum((1:n)/2))

你如何在R（s + = i / 2）中对此循环进行矢量化？

2 个答案: