示例数据
set.seed(123)
df <- data.frame(day = 1:365, Precp = sample(1:30, 365, replace = T),
ETo = sample(1:10, 365, replace = T), top.FC = 23, CN = 61, DC = 0.4)
这些数据包括一年中的一天,降雨和蒸发蒸腾量。一些常量,如top.FC,CN和DC。
对于给定的一天i,water.update
函数计算第i天的土壤水
water.update <- function(WAT0, RAIN.i, ETo.i, CN, DC, top.FC){
S = 25400/CN - 254; IA = 0.2*S
if (RAIN.i > IA) { RO = (RAIN.i - 0.2 * S)^2/(RAIN.i + 0.8 * S)
} else {
RO = 0
}
if (WAT0 + RAIN.i - RO > top.FC) {
DR = DC * (WAT0 + RAIN.i - RO - top.FC)
} else {
DR = 0
}
dWAT = RAIN.i - RO - DR - ETo.i
WAT1 = WAT0 + dWAT
WAT1 <- ifelse(WAT1 < 0, 0, WAT1)
return(list(WAT1,RO,DR))
}
功能water.model
适用于所有日期的water.update
。它是递归的,即每天土壤水需要前一天的土壤水。因此water.model
函数中的循环。
water.model <- function(dat){
top.FC <- unique(dat$top.FC)
# I make a vector to store the results
dat$WAT <- -9999.9
dat$RO <- -9999.9
dat$DR <- -9999.9
# First day (day 1) has a default value
dat$WAT[1] <- top.FC/2 # assuming top soil water is half the content on day 1
dat$RO[1] <- NA
dat$DR[1] <- NA
# Now calculate water content for day 2 onwards
for(d in 1:(nrow(dat)-1)){
dat[d + 1,7:9] <- water.update(WAT0 = dat$WAT[d],
RAIN.i = dat$Precp[d + 1],
ETo.i = dat$ETo[d + 1],
CN = unique(dat$CN),
DC = unique(dat$DC),
top.FC = unique(dat$top.FC))
}
return(dat)
}
ptm <- proc.time()
result <- water.model(df)
proc.time() - ptm
user system elapsed
0.18 0.00 0.17
在这种情况下,for循环是不可避免的,因为它使用前一天的含水量来确定当天的含水量。
是否有更快的方式来编写上述功能?我正在寻找超速驾驶 这段代码。原因是因为我的实际数据要大得多。
答案 0 :(得分:1)
使用Rcpp
和data.table
。下面的代码运行,但我得到的结果与您提供的R代码略有不同。我怀疑它与我解释你使用哪些索引滞后/引导各种列的方式有关,但是如果没有领域知识这些东西代表什么我很难直观地理解正确的逻辑应该是什么。希望这是一个不错的起点!
创建一个名为WaterModel.cpp
的单独文件,其中包含以下内容:
#include <Rcpp.h>
using namespace Rcpp;
// [[Rcpp::export]]
List WaterModel(NumericVector RAIN,
NumericVector ETo,
double CN,
double DC,
double topFC) {
double S = 25400/CN - 254;
double IA = 0.2*S;
int n = RAIN.length();
NumericVector WAT(n);
NumericVector RO(n);
NumericVector DR(n);
WAT[0] = topFC/2;
for (int i = 1; i < n; i++) {
if (RAIN[i] > IA) {
RO[i] = pow((RAIN[i-1] - 0.2 * S),2) / (RAIN[i-1] + 0.8 * S);
} else {
RO[i] = 0;
}
if (WAT[i-1] + RAIN[i-1] - RO[i-1] > topFC) {
DR[i] = DC * (WAT[i-1] + RAIN[i-1] - RO[i-1] - topFC) ;
} else {
DR[i] = 0 ;
}
WAT[i] = WAT[i-1] + RAIN[i-1] - RO[i-1] - DR[i-1] - ETo[i-1];
if (WAT[i] < 0){
WAT[i] = 0;
}
}
return Rcpp::List::create(Rcpp::Named("WAT") = WAT,
Rcpp::Named("RO") = RO,
Rcpp::Named("DR") = DR);
}
然后使用Rcpp::sourceCpp()
来获取它。然后,您可以将常量保持在data.table
之外,并将它们存储为单个值,而不是为每一行重复它们。当我们真正需要的是一个双精度值时,这使我们无需在C++
函数中分配完整的向量,并且应该节省一些时间/内存。
library(data.table)
library(Rcpp)
set.seed(123)
DT <- data.table(day = 1:365,
Precp = sample(1:30, 365, replace = T),
ETo = sample(1:10, 365, replace = T))
## Don't make constant columns just to store constants
Const_topFC = 23
Const_CN = 61
Const_DC = 0.4
Rcpp::sourceCpp("WaterModel.cpp")
DT[,c("WAT","RO","DR"):= WaterModel(Precp,ETo,Const_CN,Const_DC,Const_topFC)]
DT
# day Precp ETo WAT RO DR
# 1: 1 9 8 11.50000 0 0.0000000
# 2: 2 24 2 12.50000 0 0.0000000
# 3: 3 13 1 34.50000 0 5.4000000
# 4: 4 27 5 41.10000 0 9.8000000
# 5: 5 29 5 53.30000 0 18.0400000
# ---
# 361: 361 5 8 30.10327 0 8.6166592
# 362: 362 6 9 18.48661 0 4.8413088
# 363: 363 27 7 10.64530 0 0.5946452
# 364: 364 10 8 30.05066 0 5.8581216
# 365: 365 11 1 26.19254 0 6.8202636