優化R中的循環

Question

我一直在做很多研究，我想在R中嵌套循環時會丟失一些東西。我有兩個數據框-一個包含觀察值和位置，我想在其中寫輸出，另一個包含變量名我正在遍歷。 目前，該循環有效，但是要遍歷200行需要14個多小時，這似乎有點多余。 當然，我希望每行執行12個單獨的排列（100次），盡管我理想情況下希望執行> 1000+個排列。 有沒有更有效的方法來執行此for循環？ 當我進行單個觀察時，只需很少的時間（不到2秒）即可完成，這使我感到困惑的是，應該有一種更好的方法來完成此任務。 您可以在優化此代碼方面提供的任何幫助將不勝感激！ 謝謝！

附加了主要數據集（fbfm.xlsx），稱為fm.std https://www.dropbox.com/s/vmd8d05yxds93j6/fbfm.xlsx?dl=0

library(rothermel)
u.val<-c(5,10,15,25,35,45,55,65,75,85,95,100)
unames <- data.frame(u=u.val,ros.nam=paste("u",u.val,"_ROS",sep=""), stringsAsFactors = FALSE)
ros.out<-data.frame(fm.std)
for (i in 1:dim(unames)[1]){
     ros.out[,unames[i,'ros.nam']]<-999
          }
ros.out <- as.vector(ros.out)
fm.std <- as.vector(fm.std)
for (i in 1:dim(ros.out)[1]){
   ros.out[i,1:32]
     for (u in 1:dim(unames)[1]){
         ros.out[i,unames[u,'ros.nam']]<-mean(rosunc(modeltype=fm.std[i,'Fuel_Model_Type'], #Dyanmic or static model
                                            w=fm.std[i,4:8], # fuel loads (1, 10, 100, herb, and shrub)
                                            s=fm.std[i,9:13], # SAV measurements
                                            delta=fm.std[i,14], #fuel bed depth
                                            mx.dead=fm.std[i,15], # dead fuel mositure of extinction
                                            h=fm.std[i,16:20], # heat content for fuel classes
                                            m=fm.std[i,c(25,24,23,26,30)], #percent moisture of fuel classes
                                            u = unames[u,'u'],
                                            slope=0,
                                            sdm=0.3,
                                            nsim=100) ) #wind and slope of 0 }}

Answer 1

考慮傳入兩個向量u.val和1:nrow(fm.std)的更具向量化的sapply()方法。 這將建立一個200行，12列的矩陣，您可以將其轉換為數據cbind ，然后cbind為原始數據cbind 。

ucols <- sapply(u.val, 
                function(x, y){
                   mean(rosunc(modeltype=fm.std[y,'Fuel_Model_Type'],  # Dyanmic or static model
                               w=fm.std[y,4:8],       # fuel loads (1, 10, 100, herb, and shrub)
                               s=fm.std[y,9:13],      # SAV measurements
                               delta=fm.std[y,14],    # fuel bed depth
                               mx.dead=fm.std[y,15],  # dead fuel mositure of extinction
                               h=fm.std[y,16:20],     # heat content for fuel classes
                               m=fm.std[y,c(25,24,23,26,30)],     # percent moisture of fuel classes
                               u=x,
                               slope=0,
                               sdm=0.3,
                               nsim=100))
                }, 1:nrow(fm.std))

# CONVERT MATRIX TO DATA FRAME
ucols <- data.frame(ucols)
# RENAME COLUMNS
names(test) <- paste("u",u.val,"_ROS",sep="")

# BIND COLUMNS TO ORIGINAL DATA FRAME
ros.out <- cbind(fm.std, ucols)

或者，考慮將outer()與轉置t()以實現200行12 col矩陣。

ucols <- t(outer(u.val, 1:nrow(fm.std), 
                    function(x, y){
                         mean(rosunc(...))
                    }
           ))
...