R 使用先前的迭代值对 FOR 循环进行矢量化

Question

是否可以矢量化/加速使用先前迭代值的 FOR 循环的执行？

在下面的生殖示例中:

当前产量是根据当前库存计算的

当前生产更新NEXT股票

下一次迭代使用更新的库存来确定当前的产量等...

所以我需要在每次迭代时计算库存，以计算生产设定点......是否有可能避免(慢) for 循环？

对于 50k 行，当前的实现需要大约 45 秒。

# Dummy functions for the examples. Real code is more complicated
function1 <- function(energy, stock, critical) {
    if (stock < critical) {
        return (energy)
    } else {
        return(0)
    }
}
function2 <- function(power) {
  return(round(power/100))
}
# Dummy data
d <- data.frame( "energy"= c(660, 660, 660, 660),
                 "stock" = c(20,   0,    0, 0),
                 "delivery" = c(0, 0, 2, 0),
                 "critical" = c(50, 50 ,50, 50),
                 "power" = c(0, 0, 0, 0),
                 "production" = c(0, 0, 0, 0) )

for (i in 1:length(d$energy)) {

  # Computing power, based on CUURENT stock
  d$power[i] <- function1(d$energy[i], d$stock[i], d$critical[i])

  # Computing production
  d$production[i] <- function2(d$power[i])

  # Updating NEXT stock with current production / delivery
  if (i < length(d$energy)) {
    d$stock[i+1] <- d$stock[i] + d$production[i] - d$delivery[i]
  }
}

View(d)

Answer 1

一种可能性是使用 dplyr包裹是 tidyverse 的一部分.

library(dplyr)

d %>%
  mutate(power = function1(energy, stock, critical),
         production = function2(power),
         stock_new = cumsum(stock + lag(production - delivery, 1, default = 0)))

  energy stock delivery critical power production stock_new
1    660    20        0       10   500          5        20
2    660     0        0       10   500          5        25
3    660     0        2       10   500          5        30
4    660     0        0       10   500          5        33

如果函数 function1，这很容易工作和 function2被矢量化。如果没有，您将不得不使用 purrr::map内 mutate .