Question

首先，这个问题不是试图解决具体问题。作为R的新手，我也在努力创建更高效的代码和代码构建过程。获得关于不同编程方法甚至样式的观点是这个问题背后的原因。

以下是三种编码方式：

首先是示例数据：

stackexample <- c(52,50,45,49.5,50.5,12,10,14,11.5,12,110,108,106,101,104)
dim(stackexample)<- c(5,3)

方法一：在函数中进行数学运算而不定义任何对象

 ertimesIVCV1 <- function (x) 
{ (solve(var(log((x[-nrow(x),])/(x[-1,])))))%*%
  ((1+(log(x[1,]/(x)[nrow(x),])))^(1/nrow(x))-1)}

ertimesIVCV1(stackexample)

方法二：在函数中定义对象，然后操纵这些对象

    ertimesIVCV2 <- function (x) 
{ IVCV <- solve(var(log((x[-nrow(x),])/(x[-1,]))));
  retsexcess <- (1+(log(x[1,]/(x)[nrow(x),])))^(1/nrow(x))-1;
  IVCV%*%retsexcess}

ertimesIVCV2(stackexample)

方法三：定义几个函数并在“类似概括”函数中调用这些函数

IVCV <- function (x) {solve(var(log((x[-nrow(x),])/(x[-1,]))))}
retsexcess <- function(x) (1+(log(x[1,]/(x)[nrow(x),])))^(1/nrow(x))-1
ertimesIVCV3 <- function (x) {IVCV(x)%*%retsexcess(x)}

ertimesIVCV3(stackexample)

所以所有人都会得到相同的答案：

           [,1]
[1,]  1.4430104
[2,] -0.1365155
[3,] 11.8088378

但是你可以看到三种不同的方法。

是否存在嵌入式函数的最佳数量，还是应该总是尝试明确列出所有数学？函数中有多少级别的函数是最佳的？这两种方法的计算速度都优越吗？对此有经验吗？你怎么看待这个？欢迎任何意见或建议或链接，谢谢！

黑麦

Answer 1

如果目标是时间效率，那么提供示例的答案是“谁在乎？”。函数调用的开销不是决定效率的因素。您应该关注其他问题，例如用户理解和维护代码的能力。

 require(rbenchmark)
 benchmark(replications=100, ver1= ertimesIVCV1(stackexample),
 ver2=ertimesIVCV2(stackexample),
 ver3 = ertimesIVCV3(stackexample) )
# ------------------
  test replications elapsed relative user.self sys.self user.child sys.child
1 ver1          100   0.030 1.000000      0.03        0          0         0
2 ver2          100   0.030 1.000000      0.03        0          0         0
3 ver3          100   0.031 1.033333      0.03        0          0         0

Answer 2

恕我直言，在编写代码时，速度效率应该是您关注的最后，特别是如果您是初学者。相反，您的主要关注点应该是简单性，可读性和模块性。不要误读我的意思，效率是一件好事，你会找到很多方法让你的代码在需要时更快，但它本身不应该是优先考虑的事情。

所以我会主要提供关于风格的提示。为了说明，这是我的代码版本的样子。请记住，我不知道你的代码在计算什么，所以我尽力使用有意义的变量名来破解它。

IVCV <- function(stack) {

## This function computes [...] IVCV stands for [...]
## Inputs:
##    - stack: a matrix where each column [...]
## Output: a matrix [...]

   n <- nrow(stack) # stack size
   stack.ratios  <- stack[-n, ] / stack[-1, ]
   log.ratios    <- log(stack.ratios)
   ivcv          <- solve(var(log.ratios))

   return(ivcv)
}

ExcessReturn <- function(stack) {

## This function computes [...] IVCV stands for [...]
## Inputs:
##    - stack: a matrix where each column [...]
## Output: a matrix [...]

   n <- nrow(stack) # stack size
   total.ratio   <- stack[1, ] / stack[n, ]
   excess.return <- (1 + log(total.ratio)) ^ (1 / n) - 1

   return(excess.return)
}

ExcessReturnTimesIVCV <- function(stack) {

## This function computes [...] IVCV stands for [...]
## Inputs:
##    - stack: a matrix where each column [...]
## Output: a vector [...]

    return(IVCV(stack) %*% ExcessReturn(stack))
}

1）是的，将代码分解为小函数。它的可读性，灵活性和维护性更好。它还使单元测试更容易，您可以为每个基本代码设计测试。

2）通过在函数体内包含有关其描述/输入/输出的注释来记录函数。这样，在创建函数之后，用户可以将其描述视为函数打印输出的一部分（例如，只需在GUI中键入ExcessReturnTimesIVCV）。

3）将复杂性分解为多个语句。现在，你的三条建议都难以理解，每条线上都有太多的东西。声明应该做一个简单的事情，以便它可以轻松阅读。创建更多对象不太可能减慢您的过程，并且它将使调试更容易。

4）您的对象名称是使您的代码清晰的关键。选择它们并使用一致的语法。我使用UpperCamelCase作为我自己的函数名称，而小写单词用点分隔，用于大多数其他对象。

5）发表评论，尤其是3）和4）不足以使代码清晰。在我的示例中，我选择使用变量n。我反对变量名称应该是描述性的建议，但它是为了使代码更轻一些，并使stack[-n, ] / stack[-1, ]这样的表达式具有良好的对称性。由于n是一个坏名字，我发表评论解释其含义。如果我知道函数真正在做什么，我可能还会在代码中添加更多注释。

6）使用一致的语法规则，主要是为了提高可读性。你会听到关于这里应该使用什么的不同意见。一般来说，没有一种最好的方法。最重要的是做出选择并坚持下去。所以这是我的建议：

a）每行一个陈述，没有半冒号。

b）一致的间距和缩进（没有标签）。我把逗号后面的空格放在二元运算符周围。如果它有助于提高可读性，我还会使用额外的间距排列。

c）一致的支撑：小心使用大括号来定义块的方式，否则你可能会在脚本模式下遇到问题。参见R Inferno的第8.1.43节（一个很好的参考资料。）

祝你好运！

Answer 3

不同意DWin（虽然不是真的，我只是对它进行了不同的旋转）。如果目标是你的时间效率，那么我们就有了一些案例。如果你做了一次，那么我同意“谁在乎？”。做你想做的事情/你当时的想法，可能是方法1或2。

方法3的优点在于可重复性。如果您输入相同的代码超过两次，则效率会下降。把它放在一个函数中，并保存自己的输入和特别错误输入的可能性。我看到你已经在谈论将东西放在一个函数中，但是你的IVCV函数会作为实用程序或其他函数派上用场吗？如果没有，请不要理会它。

项目越大，将其分解为获得自己功能的部分就越好。这可以使组织，调试和修改更加顺利。

代码构建过程和嵌入式功能

3 个答案: