如何在R中向量化此循环

Question

我在R方面没有太多经验。我正在尝试编写Gibbs采样器，其中有如下这样的for循环：

for (iNum in 1:totNum) {
    rateNum <- Y3[iNum]
    if(Y3[iNum] > 0) {
        yStar3[iNum] <- rtnorm(1, mean = Mean3[iNum], sd = sqrt(Var3), 
                 lower = gz[rateNum], upper = gz[rateNum + 1])
    } else if(Y3[iNum] == 0) {
    yStar3[iNum] <- rtnorm(1, mean = Mean3[iNum], sd = sqrt(Var3), 
                  lower = -Inf, upper = Inf);
    }
}

这花费了太多时间。 我尝试使用lapply但这还不够快。 有没有办法向量化这个循环？

感谢你并致以真诚的问候！！

Answer 1

因此，似乎没有迭代之间的依赖性，这使得向量化非常简单

  lhs = rtnorm(length(Y3), mean = Mean3, sd = sqrt(Var3), lower = gz[Y3],
              upper = gz[Y3 + 1])
  rhs = rtnorm(length(Y3), mean=Mean3, sd = sqrt(Var3), lower=-Inf, upper=Inf)

  ifelse(Y3 > 0, lhs, rhs) 

这里的问题是rtnorm必须在其输入参数（均值，下限和上限）上进行矢量化处理。 事实并非如此，在这种情况下，您将不得不做更多的工作。

Answer 2

最简单的方法是生成条件的两半，然后选择所需的那一半。 mean参数将采用向量均值，因此您将得到如下结果：

yStar3 <- ifelse(
  Y3 > 0,
    rtnorm(totNum, mean=Mean3, sd=sqrt(Var3), lower=gz[ratenum], upper=gz[rateNum+1]),
    rtnorm(totNum, mean=Mean3, sd=sqrt(Var3), lower=-Inf, upper=Inf))

对于Y3小于零的情况，您将不得不优化ifelse ，并可能附加其他条件，但这是一般的想法。

更新：@hadley建议将ifelse移动到rtnorm中：

yStar3 <- rtnorm(totNum, mean=Mean3, sd=sqrt(Var3),
  lower=ifelse(Y3>0,gz[rateNum], -Inf),
  upper=ifelse(Y3>0,gz[rateNum+1], Inf))

现在基本上有零不必要的计算在进行。

更新：当然，正如评论者所指出的，1是错误的； 它应该是totNum。

Answer 3

如果没有变量值，这是一个问题，但是您想要做的很简单。 您要坚持使用所有矢量化语句，并尽量不要占用太多内存。 这是基本策略：

步骤1 ：找出如何计算所有数字。

# The number of values you need from 'rtnorm'
sum(Y3 > 0)
sum(Y3 == 0)

# The means you need from the 'Mean3' array
Mean3[Y3 > 0]
Mean3[Y3 == 0]

# Lower and upper limits for Y3 > 0
gz[Y3[Y3 > 0]]
gz[Y3[Y3 > 0] + 1]

步骤2 ：在yStar3的矢量过滤器上使用这些值。 如果没有一些示例数据和变量值，我不能绝对确定我的所有语法是否完美，但是它看起来应该像这样：

yStar3[Y3 > 0] <- rtnorm(
  sum(Y3 > 0), 
  mean = Mean3[Y3 > 0], 
  sd = sqrt(Var3), 
  lower = gz[Y3[Y3 > 0]], 
  upper = gz[Y3[Y3 > 0] + 1])

yStar3[Y3 == 0] <- rtnorm(
  sum(Y3 == 0), 
  mean = Mean3[Y3 == 0], 
  sd = sqrt(Var3), 
  lower = -Inf, 
  upper = Inf)