R：如何向量化代码以删除 for 循环

Question

我正在用 R 编写一个 Monte Carlo 模拟，我需要执行 100,000 次。我遇到了一些效率问题。我遇到的一个关键效率问题是我在较大的 Monte Carlo for 循环内有一个 for 循环。如果可能的话，我想尝试删除这个循环，但目前很难过。

我有一个数据框，其中包含一个值以及一个开始和结束，它们是最终矩阵的索引。

这是一个示例代码片段：

a <- data.frame( value = c( 3, 10, 5, 8),
                 start = c(2, 3, 4, 5), 
                 end = c( 9, 10, 9, 8 ))

b <- matrix( 0, nrow = nrow(a), ncol = 10)

# this is the for loop that I would like to remove
for ( i in 1:nrow(a) ) {
  b[ i, a$start[i]:a$end[i] ]<- a$value[i]
}

感觉好像我应该能够将问题重新定义为某种类型的连接，但我一直未能取得进展。感谢任何帮助。

Answer 1

矢量化 rep.int、sequence 和矩阵索引：

len <- a$end - a$start + 1
b[matrix(c(rep.int(1:nrow(a), len), sequence(len, a$start)), ncol = 2)] <- rep.int(a$value, len)

在更大的数据集上，向量化版本的速度提高了 > 13 倍：

a <- data.frame(value = sample(10, 1e5, replace = TRUE),
                start = sample(5, 1e5, replace = TRUE), 
                end = sample(6:10, 1e5, replace = TRUE))
b <- matrix(0, nrow = nrow(a), ncol = 10)

vecfill <- function(a, b) {
  len <- a$end - a$start + 1
  b[matrix(c(rep.int(1:nrow(a), len), sequence(len, a$start)), ncol = 2)] <- rep.int(a$value, len)
  return(b)
}

iterfill <- function(a, b) {
  for ( i in 1:nrow(a) ) {
    b[ i, a$start[i]:a$end[i] ]<- a$value[i]
  }
  
  return(b)
}

microbenchmark::microbenchmark(vecfill(a, b), iterfill(a, b), times = 100)
#> Unit: milliseconds
#>            expr      min        lq      mean    median       uq      max neval
#>   vecfill(a, b)  19.5291  19.99705  24.72165  21.01205  24.0373  75.8988   100
#>  iterfill(a, b) 292.6082 310.52755 330.09472 319.50020 331.3736 560.9486   100

R：如何向量化代码以删除 for 循环

R: how to vectorize code to remove for loop

r

performance

vectorization