壓縮R中的for循環

Question

我在R有以下代碼

library(mvtnorm)

m = matrix(rnorm(2000000),nrow=200)
A = matrix(rnorm(40000),ncol=200)
A = A%*%t(A)
C = array(A,c(200,200,10000))

B = 10000
S = 100

postpred = array(NA,c(200,S,B))
for(i in 1:B){
    postpred[,,i] = t(rmvnorm(S,m[,i],C[,,i],method="svd"))
}

但是這段代碼非常慢，因為我必須循環10,000次，同時還要從多元正態模擬100次，並且m和C也可能非常大。 因此，我想做的是能夠在postpred外部計算postpred 。 我試過使用apply函數，但無濟於事。 任何幫助或建議，不勝感激。

Answer 1

其他人指出， 應用 （和類似功能）對您的情況沒有多大幫助，它們是正確的。

對於它的價值，我檢查了通過編譯代碼是否可以提高性能。 這是我針對您的問題做的一些基准測試（我減小了矩陣的大小，因為否則我將無法運行它們）：

library(mvtnorm)

func = function()
{ 
  m = matrix(rnorm(200000),nrow=100)
  A = matrix(rnorm(10000),ncol=100)
  A = A%*%t(A)
  C = array(A,c(100,100,1000))

  B = 1000
  S = 10

  postpred = array(NA,c(1000,S,B))
  for(i in 1:B){
    postpred[,,i] = t(rmvnorm(S,m[,i],C[,,i],method="svd"))
  }
}

require(compiler)
func_compiled <- cmpfun(func)

require(microbenchmark)

microbenchmark(func_compiled(), func(), times=10) # grab a coffee, this takes some time

結果表明，編譯不會給您帶來任何好處：

Unit: seconds
                 expr      min       lq   median       uq      max neval
 slow_func_compiled() 9.938632 10.12269 10.18237 10.48215 15.43299    10
          slow_func() 9.969320 10.07676 10.21916 15.44664 15.66109    10

（這本來可以預料的，因為應該已經編譯了庫mvtnorm ）

總體而言，您只剩下兩種方法可以優化R中的代碼：

1. 使用較小的數字（如果可以）
2. 並行化您的代碼

Answer 2

正如Josillber所說，向 量化 （ 應用函數族 ）不會為您做很多事情，這確實是一個R神話，它可以顯着提高速度。

建議您看一下並行選項，其中有並行mcapply和snow軟件包。 在此處閱讀更多信息http://stat.ethz.ch/R-manual/R-devel/library/parallel/doc/parallel.pdf