r - 提高 R 函数的效率和速度

Question

在使用 RI 时，我始终牢记:“尽可能避免使用循环”。但是，我现在被困住了，我无法找到一种 CRANTASTIC 方法来编写我需要的代码。

郑重声明，经过多次评论，我上面的说法不是正确的说法，这里不需要避免循环来提高效率。

我有两个字符串向量作为输入，我们称它们为 a 和 b - 它们只能包含字母 "M" 、“I” 和 “D”。

a = c("M","I","D","D","M","M","M","M","M","M")
b = c("M","M","M","M","M","M","D","M","M")

我想要的输出是:

d = c("M","I","D","D","M","M","M","M","I","M","M")

下面的函数给出了这样的输出:

my.function <- function(a, b)
{
  nrow.df = length(a) + length(which(b=="D"))
  my.df = data.frame(a = rep(NA, nrow.df),  
                      b = rep(NA, nrow.df), 
                      d = rep(NA, nrow.df))
  my.df$a[1:length(a)] = a
  my.df$b[1:length(b)] = b
  for (i in 1:nrow.df)
  {
    if(my.df$a[i] == "D") {
      my.df$d[i] = "D"
      my.df$b[(i+1):nrow.df] = my.df$b[i:(nrow.df-1)]
    } else if (my.df$b[i] == "D") {
      my.df$d[i] = "I"
      my.df$a[(i+1):nrow.df] = my.df$a[i:(nrow.df-1)]
    } else if (my.df$a[i] == "I") {
      my.df$d[i] = "I"
    } else if (my.df$b[i] == "I") {
      my.df$d[i] = "D"
    } else {
      my.df$d[i] = my.df$a[i]
    }
  }
  return(my.df$d)
}

> d = my.function(a,b)
> d
 [1] "M" "I" "D" "D" "M" "M" "M" "M" "I" "M" "M"

函数逻辑如下，每当a中有"D"时，就在中放入一个"D" >d 并将向量 b 移动 1，反之亦然，每当 b 中有一个 "D" 时，它将 “I” 放入 d 并将 a 移动 1。

接下来，当a中有"I"，而b中没有"D"时>，在a中放一个"I"，反之亦然，只要在b中有一个"I" >，而不是 a 中的 "D"，将 "D" 放入 d 中。否则，d = a。

这不是一个复杂的函数，但我正在努力研究如何使其 R 高效。我用 mclapply 应用了这个函数数百万次，所以快速实现这个函数会节省我很多时间。

您推荐使用 Rcpp 吗？会不会快很多？数百万次使用 R 与 Cpp 进行通信是否会变慢，或者它只是自动与 Rcpp 通信？

Answer 1

根据我的评论，如果速度是一个问题，第一步是不要不必要地使用 data.frame。这个答案没有解决循环问题(正如其他人已经说过的，如果正确完成，在 R 中使用循环没有任何问题)。

这是您函数的非常轻微修改版本，使用vector而不是data.frame s 存储数据。

my.function.v <- function(a, b) {
  nrow.df = length(a) + length(which(b=="D"))
  A <- B <- D <- vector(length = nrow.df)
  A[1:length(a)] = a
  B[1:length(b)] = b
  for (i in 1:nrow.df)
  {
    if(A[i] == "D") {
      D[i] = "D"
      B[(i+1):nrow.df] = B[i:(nrow.df-1)]
    } else if (B[i] == "D") {
      D[i] = "I"
      A[(i+1):nrow.df] = A[i:(nrow.df-1)]
    } else if (A[i] == "I") {
      D[i] = "I"
    } else if (B[i] == "I") {
      D[i] = "D"
    } else {
      D[i] = A[i]
    }
  }
  return(D)
}

注意下面速度的相对差异:

library(microbenchmark)
microbenchmark(my.function(a, b), my.function.v(a, b), f(a, b))
# Unit: microseconds
#                 expr      min        lq    median        uq      max neval
#    my.function(a, b) 1448.416 1490.8780 1511.3435 1547.3880 6674.332   100
#  my.function.v(a, b)  157.248  165.8725  171.6475  179.1865  324.722   100
#              f(a, b)  168.874  177.5455  184.8775  193.3455  416.551   100

可以看出，@mrip 的功能也比您原来的功能好得多。