我是否需要減少 R 中的 for 循環以及如何減少？

Question

I am a freshman in R coding, but I've heard that loop in R is much slower than other language like Python or C. 那么在R中編碼時是否需要減少循環？

具體來說，在這個模擬代碼中，我該如何提高我糟糕的編碼技能？

library(moments)
n <- c(5:20)
m <- c(1:10000)
skew <- c()
kurt <- c()
for(num in n){
  beta1 <- c()
  beta2 <- c()
  for(i in m){
    set.seed(num * 10000 + i)
    x <- rnorm(num, mean = 0, sd = 1)
    beta1 <- c(beta1, skewness(x))
    beta2 <- c(beta2, kurtosis(x) - 3)
  }
  skew <- c(skew, quantile(beta1, probs = c(0, 0.01, 0.1, 0.2, 0.5, 0.8, 0.9, 0.99, 1)))
  kurt <- c(kurt, quantile(beta2, probs = c(0, 0.01, 0.1, 0.2, 0.5, 0.8, 0.9, 0.99, 1)))
}

Answer 1

在 R 中不使用for循環的一個主要優點是利用其矢量化。 So while in languages like Python or C you code vector calculations for each element of a vector, in R you can conveniently code the calculation for the entire vector at once (see Edit below) and also reduce computation time by actually using fast underlying C, Fortran等功能。

我會將您想要對單個樣本大小進行的所有計算放入 function statFUN並將其放入lapply以循環遍歷樣本大小的向量n 。

對於分位數，我們可以使用我推薦的apply或matrixStats::rowQuantiles ，因為它更快。

在運行lapply之前應該只需要一次res set.seed() ，所有結果都可以用那個種子重現。

n <- 5:20  ## different sample sizes
m <- 1e4   ## number of replications in each iteration
probs <- c(0, 0.01, 0.1, 0.2, 0.5, 0.8, 0.9, 0.99, 1)

library(moments)
library(matrixStats)

statFUN <- function(i, num) {
  r <- replicate(i, {
    x <- rnorm(num, mean=0, sd=1)
    c(kurt=kurtosis(x) - 3, skew=skewness(x))
  })
  # t(apply(r, 1, quantile, probs=probs))  ## using base R
  rowQuantiles(r, probs=probs)  ## using matrixStats
}

set.seed(42)
res <- lapply(n, statFUN, m)

結果

結果是每個樣本大小的峰度分res和偏度分位數的列表。

res
# [[1]]
#               0%          1%         10%         20%
# kurt -0.04710729 -0.04658709 -0.04190536 -0.03670343
# skew -0.03045563 -0.02969417 -0.02284104 -0.01522645
#              50%          80%           90%         99%
# kurt -0.03388803 -0.006250622  1.068998e-03 0.007656657
# skew -0.01028591 -0.006132523 -5.883157e-05 0.005407491
#             100%
# kurt 0.008388619
# skew 0.006014860
# 
# [[2]]
#               0%          1%         10%         20%
# kurt -0.09089922 -0.08859363 -0.06784329 -0.04478737
# skew -0.03252828 -0.03165837 -0.02382918 -0.01513009
#               50%          80%        90%        99%
# kurt -0.023634727 -0.005277533 0.01038904 0.02448896
# skew  0.003433589  0.017711708 0.01947178 0.02105585
#            100%
# kurt 0.02605562
# skew 0.02123186
#
# [...]

在哪里

length(res)
# [1] 16

編輯

這里有一個小例子來更好地說明 R 中矢量化的實際含義。 雖然在大多數編程語言中，兩個向量的相加是按元素編碼的，但在 R 中，向量的相加可以直接編碼（即以向量化的方式）。

a <- 1:9
b <- rev(a)

## element wise addition of vectors a and b
s1 <- c()
for (i in seq(a)) {
  s1[i] <- a[i] + b[i]
}
s1
# [1] 10 10 10 10 10 10 10 10 10

## direct addition of vectors a and b (i.e. vectorized)
s2 <- a + b
s2
# [1] 10 10 10 10 10 10 10 10 10

我們可以查看*apply系列，而不是for循環。 但是，大多數情況下仍然隱藏着 for 循環。 （要查看 function 代碼類型，例如lapply不帶括號或任何東西。）

您可能想閱讀例如那些很棒的問答：

• 分組函數（tapply、by、aggregate）和 *apply 系列
• R 中的應用 function 系列的命名/名稱
• 為什么 R 中的循環很慢？
• 如何查看R.Internal or.Primitive function的源碼？

注意：向量化實際上只是 R 的語言特性。 所謂的“向量化函數”通常在內部使用 C、Fortran 等代碼，在這些代碼中你仍然可以在最后找到 for 循環，但使用的是更快的語言。 例如，參見sum()時調用 的summary.c的源代碼。