r - R 中的函数比 apply(..., ..., range) 快

Question

我在围绕 apply() 编写时遇到了问题，它运行起来非常慢。我的任务是在不使用 apply() 的情况下给出矩阵的行范围。我正在尽力而为，但我仍然需要帮助...

这是我到目前为止得到的:

row.range <- function(X){
  Y <- matrix(0, nrow = nrow(X), ncol = 2)

    for(i in nrow(X)){
    Y[i, 1] <- min(X[i, ])
    Y[i, 2] <- max(X[i, ])
  }
  return(Y)
  print(Y)
}

其中 X 可以是任何数字矩阵。可悲的是，输出只有 0，除了最后一行我实际上得到了正确的最小值和最大值。为什么这只适用于最后一行？

为了测试我使用了:

M <- matrix(sample(1:6, size = 100 * 5, replace = TRUE), ncol = 5)
row.range(X)

非常感谢任何帮助:-)

Answer 1

使用较小的可重现示例

set.seed(123)
M <- matrix(sample(1:6, size = 10 * 5, replace = TRUE), ncol = 5)

您可以尝试已经完全优化的 matrixStats::rowRanges 函数

matrixStats::rowRanges(M)
#       [,1] [,2]
#  [1,]    1    6
#  [2,]    3    6
#  [3,]    3    5
#  [4,]    3    6
#  [5,]    1    6
#  [6,]    1    6
#  [7,]    2    5
#  [8,]    1    6
#  [9,]    2    4
# [10,]    1    6

---

或基础 R 向量化 max.col 函数

cbind(M[cbind(1:nrow(M), max.col(-M))],
      M[cbind(1:nrow(M), max.col(M))])
#       [,1] [,2]
#  [1,]    1    6
#  [2,]    3    6
#  [3,]    3    5
#  [4,]    3    6
#  [5,]    1    6
#  [6,]    1    6
#  [7,]    2    5
#  [8,]    1    6
#  [9,]    2    4
# [10,]    1    6

---

另一种半矢量化基础 R 方法是使用 pmin/pmax 结合 do.call(也提供可能的 NA 处理) ，但这需要将您的矩阵转换为 data.frame(不推荐)

DF <- as.data.frame(M)
cbind(do.call(pmin.int, c(na.rm = TRUE, DF)),
      do.call(pmax.int, c(na.rm = TRUE, DF)))
#       [,1] [,2]
#  [1,]    1    6
#  [2,]    3    6
#  [3,]    3    5
#  [4,]    3    6
#  [5,]    1    6
#  [6,]    1    6
#  [7,]    2    5
#  [8,]    1    6
#  [9,]    2    4
# [10,]    1    6

---

由于 R 是一种矢量化语言，按行操作通常会很慢，因此要么尝试矢量化，要么使用诸如 Rcpp 之类的包为了编写编译后的 C/C++ 循环(就像在第一种情况下所做的那样)

在大多数极端情况下，您仍然希望使用 compiler package 来极大地优化您的循环

---

关于您的 for 循环(正如@PereG 已经提到的那样)，您有一个语法错误。而不是 for(i in nrow(X)) 这应该是 for(i in 1:nrow(X))。否则，您只会在最后一行进行操作。