R 中的递归函数应用于向量

Question

我想知道最有效的（想想代码和速度，以防我在非常大的向量或对象上运行它）来计算向量上的递归函数。 （要计算 S[i] 我们只需要 S[k] 到 k<=(i-1) 和 V[k] 与 k<=i ）

一个简单的例子是给定一个长度为 N 的 num 向量 v，返回一个向量 S，其中 S[i] 是 v 的前 i 个元素的总和。

在这种特殊情况下，（ for ）循环非常丑陋……并且（已编辑）因此执行类似的操作效率不高

myfun <- function(i){sum(length_table[1:i])}
        S <- sapply(v,myfun))

不好因为很多不必要的计算......

有什么建议 ？

编辑：对我来说，迭代和递归之间没有太大区别。 我不知道在这种特殊情况下解决问题的 cumsum 函数。

好的，现在让我们有一个更一般的情况，我们有一个 (num) 函数 f，它接受两个 (num) 参数，所以 f(x,y) 也是一个 num 值。 我们还需要一个“种子”。 给定一个长度为 N 的 num 向量 v，

我想构造由定义的向量 U

U[1] = f(v[1],seed)
U[2] = f(v[2],U[1])
U[3] = f(v[3],U[2])...

U[N] = f(v[N],U[N-1])

有没有一种很好的有效方法来做到这一点而不循环？

Answer 1

这里有两种在 R 中实现的方法（虽然 Reduce 看起来更优雅，但我的经验是它更容易（我的）混淆）：

> y <- numeric(); y[1] <- 1; for( i in 2:10 ){ y[i] <- 3+y[i-1]*2}
> y
 [1]    1    5   13   29   61  125  253  509 1021 2045

> Reduce( function(x,y){ y= 3+ x*2}, 1:10, accumulate=TRUE)
 [1]    1    5   13   29   61  125  253  509 1021 2045