Question

我写了一段R代码，但由于我不是专家，我觉得我的代码不是最优的，而且处理时间太长...... 如何改进此代码？

这是代码：

for (k in 1 : length(df_3L)) {
    vec <- c()
    for(i in 1 : dim(df_3L[[k]])[1]) {
        for(j in 1 : dim(df_3L[[k]])[1] - 1) {
            if (df_3L[[k]][i] == df_3L[[k]][j + 1]) {
                vec <- c(vec, 1)
            } else {
                vec <- c(vec, 0)
            }
        }
    }
    assign(paste0("vec_3L", k), vec)
}

有关详细信息，for循环中的k是主题数（40）; df_3L文件是500行的向量。

Answer 1

您的代码运行缓慢，因为您正在循环中生成向量。这是典型的反模式，例如this article by Andrew Barr，参见无数其他模式。

解决方案是（1）预分配矢量并在特定索引处分配值，或者（2）放弃循环并使用列表函数（例如lapply）创建矢量。在你的情况下，由于嵌套循环而变得更难（尽管不是不可能）。因此，变体（1）开箱即可轻松实现：

替换

vec <- c()

与

vec = vector("numeric", dim(df_3kL[[k]])[1] * (dim(df_3kL[[k]])[1] - 1))

用

替换整个内循环if

vec[i] = if (df_3kL[[k]][i] == df_3kL[[k]][j + 1]) 1 else 0

现在，这不是好的代码。通过矢量化来改进它是留给读者的练习。

此外，您可以通过一致使代码立即可读：不要混合样式（例如<- vs =赋值，seq vs : ...）中间代码。

Answer 2

您的代码运行缓慢，因为您正在执行紧密的内部循环，而不是依赖于矢量化函数。

使用模拟数据计时原始实现表明它确实很慢：

df_3L <- replicate(10, matrix(runif(200), nrow = 200), simplify = FALSE)

system.time({
    for (k in 1 : length(df_3L)) {
        vec <- c()
        for(i in 1 : dim(df_3L[[k]])[1]) {
            for(j in 1 : dim(df_3L[[k]])[1] - 1) {
                if (df_3L[[k]][i] == df_3L[[k]][j + 1]) {
                    vec <- c(vec, 1)
                } else {
                    vec <- c(vec, 0)
                }
            }
        }
        assign(paste0("vec_3L", k), vec)
    }
})
 ##   user  system elapsed 
 ## 21.270   0.008  21.599

任何时候你在R中的if .. else循环中看到for，你就可以确定它会变慢。解决方案是认识到我们可以一次完成比较而不是一次比较。这使我们可以摆脱整个内部循环，并大大加快代码速度：

system.time({
    for (k in 1 : length(df_3L)) {
        vec <- c()
        for(i in 1 : dim(df_3L[[k]])[1]) {
            vec <- c(vec, as.numeric(df_3L[[k]][i] == df_3L[[k]]))
        }
        assign(paste0("vec_3L", k), vec)
    }
})

##  user  system elapsed 
## 0.114   0.000   0.114

事实上，我们甚至不需要i循环，为方便起见，我们可以使用lapply代替k循环。最终的惯用和快速实现可能如下所示：

system.time({
    vecs <- lapply(df_3L, function(x) {
        x <- x[, 1]
        as.numeric(do.call(`==`, expand.grid(x, x)))
    })
})
##  user  system elapsed 
## 0.016   0.000   0.016

for-loop运行得太慢了

2 个答案: