r - 在循环 R 中向向量添加元素的最(内存和时间)有效方法？

Question

我可以想到几种在循环中向向量添加元素的方法。对于大循环，时间和内存变得很重要。哪个内存/时间效率最高？

这个方法可能不好，因为它在每次迭代时都会复制向量？

vec <- c()
for (i in 1:10) {
  vec <- c(vec, i)
}

这可能是最佳的？

vec <- c()
for (i in 1:10) {
  vec <- append(vec, i)
}

这对于复杂的循环来说可能会很麻烦

vec <- c()
for (i in 1:10) {
  vec[i] <- i
}

其他方法？

Answer 1

使用 for 循环时，如果您提前知道迭代次数(因此知道结果向量的大小)，则预分配更有意义:

vec <- numeric(10)
for(i in 1:10){
  vec[i] <- i
}

这样，您就不会在每次循环中创建新的向量。

要了解时间复杂度，您可以尝试以下代码(使用 microbenchmark 包):

f1 <- function(n) {
  vec <- c()
  for (i in 1:n) {
    vec <- c(vec, i)
  }
  vec
}

f2 <- function(n) {
  vec <- c()
  for (i in 1:n) {
    vec <- append(vec, i)
  }
  vec
}

f3 <- function(n) {
  vec <- c()
  for (i in 1:n) {
    vec[i] <- i
  }
  vec
}

f4 <- function(n) {
  vec <- numeric(n)
  for(i in 1:n) {
    vec[i] <- i
  }
  vec
}

test <- function(n) {
  print(microbenchmark::microbenchmark(f1(n),f2(n),f3(n),f4(n)))
}

例如:

> test(10)
Unit: nanoseconds
  expr  min     lq     mean median      uq     max neval
 f1(n) 1411 1763.5 20001.06 1764.0  2117.0 1765199   100
 f2(n) 8816 8992.0 33756.65 9521.5 11108.5 2183403   100
 f3(n) 2116 2469.0 29077.37 2469.0  3879.5 2565287   100
 f4(n)  705 1058.0 20699.22 1059.0  1764.0 1906246   100
> test(100)
Unit: microseconds
  expr    min      lq      mean   median      uq     max neval
 f1(n) 21.158 22.5680  23.11462  22.9205  23.450  28.562   100
 f2(n) 95.913 98.3805 100.45053 100.1440 101.554 112.838   100
 f3(n) 19.747 20.8050  21.96511  21.1580  22.568  38.435   100
 f4(n)  5.290  5.6420   5.91758   5.6430   5.995   9.521   100
> test(1000)
Unit: microseconds
  expr      min        lq       mean    median        uq      max neval
 f1(n)  842.402  856.8590 2526.95373  875.3715 1060.4950 8562.944   100
 f2(n) 1622.390 1642.4890 2772.92502 1669.4640 1710.5440 9472.342   100
 f3(n)  185.125  192.5295  267.38981  194.9980  199.0525 7266.019   100
 f4(n)   49.367   51.1300   54.43051   52.8930   55.3610  128.000   100

对于 n = 10，差异很小，但当 n = 1000 时，差异就非常巨大。