Question

我有一个计算可以做到这一点：

n <- 5
l <- 3
m <- seq(0,1,length.out = n)
r <- seq(3,4,length.out = n)
y <- 1:n

pp <- sapply(0:l, function(h) cumsum(y[(h+1):n]*y[1:(n-h)]))
rec.acf <- sapply(0:l, function(h) pp[[h+1]] + sapply((h+1):n, function(j) m[j] + r[j-h]) )

获得

> rec.acf
[[1]]
[1]  4.0  8.5 18.0 34.5 60.0

[[2]]
[1]  5.25 11.75 24.25 44.75

[[3]]
[1]  6.5 15.0 30.5

[[4]]
[1]  7.75 18.25

在实践中，n和l当然要大得多（而实际功能computing autocovariances在越来越大的样本中更为复杂）。

当l相对较小时（如我所希望的那样），计算工作的速度比我已经实现的其他实现要快得多，没有考虑到我可以通过pp回收许多相同的计算。

但是，当l相对于n较大时，图片反转了，这很可能是因为外部sapply随后发出了许多内部循环。我的方法明显没有效率吗？

我对mapply进行过修补，但未取得太大成功。

Answer 1

内部循环是不必要的：

mm = lapply(0:l, function(h) tail(m, length(m) - h) + head(r, length(r) - h))

mapply("+", pp, mm)
#[[1]]
#[1]  4.0  8.5 18.0 34.5 60.0
#
#[[2]]
#[1]  5.25 11.75 24.25 44.75
#
#[[3]]
#[1]  6.5 15.0 30.5
#
#[[4]]
#[1]  7.75 18.25

R：对于慢速双打我该怎么办？

1 个答案: