performance - 使用sapply vs.来有效地写入预分配的数据结构

Question

假设我有一个预分配的数据结构，为了提高性能而不是随时间增长数据结构，我想将其写入其中。首先，我尝试使用sapply:

set.seed(1)
count <- 5
pre <- numeric(count)

sapply(1:count, function(i) {
  pre[i] <- rnorm(1)
})
pre
# [1] 0 0 0 0 0


for(i in 1:count) {
  pre[i] <- rnorm(1)
}
pre
# [1] -0.8204684  0.4874291  0.7383247  0.5757814 -0.3053884

我认为这是因为 sapply中的匿名函数位于不同的范围内(或者R中的环境是？)，结果 pre对象不相同。 for循环存在于相同的作用域/环境中，因此可以按预期工作。

我通常尝试采用R机制与Apply函数vs. for进行迭代，但是在这里我没有找到解决方法。对于这种类型的操作，我应该做些其他的事情还是更好的成语吗？

如前所述，我的示例是人为设计的，我对产生正常偏差没有兴趣。相反，我的实际代码处理的是4列150万行数据框。以前，我依靠增长和合并来获得最终数据帧，并决定尝试避免基于基准进行合并和预分配。

Answer 1

sapply并非旨在那样使用。它已经预先分配了结果。

无论如何，for循环不太可能是性能降低的根源。这可能是因为您要重复设置data.frame。例如:

set.seed(21)
N <- 1e4
d <- data.frame(n=1:N, s=sample(letters, N, TRUE))
l <- as.list(d)
set.seed(21)
system.time(for(i in 1:N) { d$n[i] <- rnorm(1); d$s <- sample(letters,1) })
#   user  system elapsed 
#   6.12    0.00    6.17 
set.seed(21)
system.time(for(i in 1:N) { l$n[i] <- rnorm(1); l$s <- sample(letters,1) })
#   user  system elapsed 
#   0.14    0.00    0.14 
D <- as.data.frame(l, stringsAsFactors=FALSE)
identical(d,D)
# [1] TRUE

因此，您应该遍历各个向量，并在循环后将它们组合成data.frame。