Question

我有88.000个观察结果，用1：

编码

obs <- rep(1,88000)

另外，我有以下功能，其中进行随机实验。将值p与随机数进行比较;根据结果，x会改变（+ 1）或保持不变。

rexp <- function(x,p){
  if(runif(1) <= p) return(x + 1)
  return(x)
}

旁边＆＃34; obs＆＃34;和＆＃34; rexp＆＃34;一个空的数据帧＆＃34; dat＆＃34;给出了500行和0列。还有一个占位符＆＃34;结果＆＃34;：

dat <- data.frame(row.names = 1:500)
dat$result <- rep(',',500)

我使用以下循环来应用函数＆＃34; rexp＆＃34; （对于p = 0.03）向量矢量＆＃34; obs＆＃34;并保存＆＃34; obs＆＃34;的更改次数。由随机实验引起的结果＆＃34;结果＆＃34;在数据框＆＃34; dat＆＃34;：

for(i in 1:500){
  x <- sapply(obs,rexp,0.03)
  x <- table(x)
  x <- x[names(x) == 2]
  dat$result[i] <- x
}

现在问题：上面的for-Loop基本上可以工作，但是它的性能非常糟糕。执行需要很长时间，通常循环甚至会卡住。在上面的例子中，只使用了88,000个观测值，与880.000一样工作似乎几乎不可能。我不确定为什么表现如此糟糕。例如，在我的设备上，可以在不到一分钟的时间内完成相同的程序（即使有880.000次观察）。我知道for循环应该在r中被绕过，但我不知道如何执行该过程。如果有任何提示可以解释和改善所描述的循环的性能，我将不胜感激！

Answer 1

我将如何操作：首先，使用rexp的矢量化版本，如果您只想计算2的数字而不使用表格，请不要使用表格。{0}使用可以使用整数的字符。

rexp <- function(x, p) {
  x + (runif(length(x)) <= p)
}

replicate(500, {
  sum(rexp(obs, 0.03) == 2)
})

对于大小为880的输入：

microbenchmark::microbenchmark(
  ME = {
    replicate(500, {
      sum(rexp(obs, 0.03) == 2)
    })
  },
  OP = {
    for(i in 1:500){
      x <- sapply(obs,rexp,0.03)
      x <- table(x)
      x <- x[names(x) == 2]
      dat$result[i] <- x
    }
  },
  times = 10
)

Unit: milliseconds
 expr        min         lq       mean     median         uq        max neval
   ME   18.24666   18.31957   19.64568   20.05481   20.48095   21.69269    10
   OP 1362.54543 1395.50414 1426.17977 1414.25281 1439.75136 1542.97861    10

具有大量案例的for循环的性能

1 个答案: