何时使用应用函数

Question

假设我有类似的东西：

# Create some data:
treatment <- round(runif(20, min = 0, max = 1),0)
d2 <- round(runif(20, min = 0, max = 1),0)
bxd2 <- treatment * d2
infection <- round(runif(20, min = 0, max = 100),0) 
lung <- round(runif(20, min = 0, max = 100),0) 
head <- round(runif(20, min = 0, max = 100),0) 

df <- data.frame(treatment, d2, bxd2, infection, lung, head)

rm(treatment, d2, bxd2, infection, lung, head)


reg_func <- function(i,data){
form <- paste(colnames(df)[i+3], c("treatment + d2 + bxd2"), sep = "~") 
form <- as.formula(form)
print(lm(form, data = data))
}

for (i in 1:3) {
name <- paste0("reg", i)
assign(name, reg_func(i, df))
}

现在这按照我想要的方式工作，我最终在工作区中分配了 reg1,...,regN（坏习惯，但适用于计量经济学）。

我现在的问题是：为什么我要将（类似于上面的内容）变成应用实例？ for 循环看起来很简单，但我经常听到人们说“......你真的应该使用 [X]apply”。

Answer 1

并没有快多少：

> a <- seq(300)
> system.time(replicate(1000, sapply(a ,mean)))
   user  system elapsed 
  2.215   0.000   2.216 
> v <- c()
> system.time(replicate(1000, for(i in a){v <- c(v,mean(i))}))
   user  system elapsed 
  2.315   0.000   2.315

但它可以防止这种情况发生：

> i <- 1
> for(i in a) mean(i)
> i
[1] 300

它让一切保持整洁：

> sapply(a ,mean)
> ls()
[1] "a"  
> for(i in a) mean(i)
> ls()
[1] "a"    "i"

Answer 2

简短的回答是不用担心使用循环。使用 apply 的主要原因是，首先，在某些情况下它可以更高效，其次，它使代码更简洁。

但有时它并不能使代码更清晰。例如，如果您真的想要一堆名为 reg1 reg2 等的变量，而不是名为 reg 的列表，那么您的版本会更简洁。由于每次循环都在进行回归，因此性能差异将很小，因为无论您如何编码，大部分工作都在回归而不是循环中。

现在，出于很多原因，我认为名为 reg 的列表是存储这些结果的更有用的方法。例如，如果你想遍历它们，你可以只做 reg[[i]] 而不是粘贴字符串。但听起来您已经考虑过这个问题并出于某种原因决定这样命名变量。

Answer 3

是的，apply()真的不能再快了：

> mat <- matrix(rnorm(1000 * 1000), nrow = 1000)
> system.time({
+     v <- numeric(1000)
+     for (i in 1:1000) v[i] <- mean(mat[i, ])
+ })
## user  system elapsed 
## 0.021   0.001   0.023 
>
> system.time(apply(mat, 1, mean))
## user  system elapsed 
## 0.021   0.001   0.022

对于矩阵，如果你取什么意思，这样会更好：

> system.time(rowMeans(mat))
## user  system elapsed 
## 0.003   0.000   0.003

但对于列表和数据框，lapply() 和 sapply() 可能更快：

> system.time({
+     v <- numeric(1000)
+     for (i in 1:1000) v[i] <- mean(df[[i]])
+ })
## user  system elapsed 
## 0.015   0.000   0.016 
>
> system.time(sapply(df, mean))
## user  system elapsed 
## 0.008   0.000   0.008

因为R是一种脚本语言，速度通常比C++等低级语言慢。所以如果可能的话，使用这些嵌入了二进制代码或字节代码的函数，将节省

何时使用应用函数

When to use the apply function

for-loop

r

apply