R将用户定义的函数应用于向量； sapply（）中的索引

Question

不幸的是，我是过度循环的受害者。 我相信可以通过在R中使用sapply（）函数来改善以下计算。但是，我在索引方面遇到了一些问题。 以下是分子模拟每个时间步完成的功的计算。 这是循环形式的解决方案：

F1 <- c(0.38603555, 0.06516336, 0.55603406, 0.52901992)
wd <- vector(mode="numeric", length=length(F1))
ts <- 0.198
ve <- 0.0015

for(i in 1:length(F1)){

    if(i == 1){
    wd[i] <- (F1[i] * ve * ts)  
    } else {
    wd[i] <- wd[i-1] + (F1[i] * ve * ts) 
    }

}

工作完美。 我以sapply（）形式进行的错误尝试如下：

F1[1] <- (F1[1] * ve * ts)
wd    <- sapply(F1[2:length(F1)], function(x) x[-1] + (x * ve * ts))

我相信问题的根源在于索引x。 返回类应该是一个向量。

实际上，F1具有数百万个值，此外，我有一些与此类似的计算。 因此，如果有人可以提出有效的解决方案，我将不胜感激。

最好，丹尼尔。

Answer 1

在这里使用sapply没有性能优势。 这只是另一个循环。 而是使用向量化：

all.equal(wd,
          cumsum(F1 * ve * ts)
         )
#[1] TRUE

这会在已编译的代码中进行循环，因此速度快了多个数量级。