低效循环中的R
问题描述：
早上好，低效循环中的R
我一直在开发中的R几个月，我必须确保我的代码的执行时间不会太长，因为我分析大数据集。
因此，我一直在尝试使用尽可能多的矢量化函数。
但是，我仍然在想什么。
什么是R的代价不是循环本身的权利？ 我的意思是，当你开始修改循环中的变量时会出现问题，例如，是否正确？
因此，我在想，如果你只需要在每个元素上运行一个函数（实际上你不关心结果）。例如在数据库中写入数据。你该怎么办？
1）使用mapply而不在任何地方存储结果？
2）在矢量上做一个循环，只对每个元素应用f（i）？
3）有没有更好的功能，我可能错过了？ （这当然假设你的功能没有最佳的矢量化）。
怎么样foreach包？你有没有经历过任何使用它的性能改进？
答
只是一些评论。 A for循环大致与apply及其变体一样快，并且当您尽可能地引导功能时（即使用低级循环而不是apply，它仅隐藏for循环），真正的加速会出现， 。我不知道这是否是最好的例子，但考虑到以下几点：
> n <- 1e06
> sinI <- rep(NA,n)
> system.time(for(i in 1:n) sinI[i] <- sin(i))
user system elapsed
3.316 0.000 3.358
> system.time(sinI <- sapply(1:n,sin))
user system elapsed
5.217 0.016 5.311
> system.time(sinI <- unlist(lapply(1:n,sin),
+ recursive = FALSE, use.names = FALSE))
user system elapsed
1.284 0.012 1.303
> system.time(sinI <- sin(1:n))
user system elapsed
0.056 0.000 0.057
在下面的意见之一，马立克指出，消费for环路的一部分上面的时间实际上是]<-部分：
> system.time(sinI <- unlist(lapply(1:n,sin),
+ recursive = FALSE, use.names = FALSE))
user system elapsed
1.284 0.012 1.303
不能立即矢量化可以用C或Fortran的重写，与R CMD SHLIB编译，然后插入带.Call，.C或.Fortran的瓶颈。
此外，请参阅theselinks了解更多关于R中循环优化的信息。另请参阅R News中的文章"How Can I Avoid This Loop or Make It Faster?"。
答
vapply通过要求您指定返回值是什么来避免后处理。 它原来是要快3.4倍的for循环：
> system.time(for(i in 1:n) sinI[i] <- sin(i))
user system elapsed
2.41 0.00 2.39
> system.time(sinI <- unlist(lapply(1:n,sin), recursive = FALSE, use.names = FALSE))
user system elapsed
1.46 0.00 1.45
> system.time(sinI <- vapply(1:n,sin, numeric(1)))
user system elapsed
0.71 0.00 0.69
我会离开这个答案的人谁更专业比我，但在我的实践经验，通常是*应用功能（但不总是）加快了一点。 – nico 2010-06-28 06:37:31
我想是这样，因为循环完成“在C”中，而不是直接通过R. – SRKX 2010-06-28 08:16:45
看到这个SO贴在申请家庭 - http：// stackoverflow。com/questions/2275896/is-rs-apply-family-more-syntactic-sugar – csgillespie 2010-06-28 09:28:33