利用 R 的三大法宝:
来达到编写高效的代码的目的.0 j1 o, s1 N$ ?- N6 u( d
这样的代码的特点是可以接受整个向量作为输入,并同时处理向量中的元素.7 M4 l9 @, X/ E
通过以下几个案例来阐述向量化编程
格式: rep(c(-1, 1), 5000000): }! S6 P- ^% R. Q5 u. ?
功能:接受某个值/向量以及次数,返回该值/向量的重复执行次数长度的更长的向量
格式: system.time(function(object))
功能:输入一个语句,返回执行该语句所耗费的时间.
可以接受一个含有多个值的向量作为输入,并且同时操作向量中的每一个元素
如何编写向量化代码原则:
程序①——未经向量化
change_symbols <- function(vec){
for(i in 1:length(vec)){
if(vec == "DD"){3 V' v3 G; N9 n$ j, ^6 D
vec <- "joker"
}else if(vec == "C"){1 |/ x a+ ]% T
vec <- "ace"
}else if(vec == "7"){
vec <- "king"* h3 O. [* _7 S ~
}else if(vec == "B"){
vec <- "queen"
}else if(vec == "BB"){
vec <- "jack"
}else if(vec == "BBB"){
vec <- "ten"* V7 \, R' p' @- S- b
}else{; O/ D) P1 H! ~; M/ C; j' g
vec <- "nine"9 W8 b& s6 D/ @4 ^
}
}
vec
}
程序②——向量化
change_vec <- function(vec){* ^; S" e+ ]4 o6 L
prob <- c("DD" = "joker", "C" = "ace"...)2 n. [. P. p- r4 x* Z7 z. |
unname(prob[vec])& H- D8 z v, X9 h
}
目的:一次性完成对一类情况中的所有元素的操作
案例:1 C6 G( t6 z( @ S; m. [2 I
程序①——未经向量化
abs_loop <- function(vec){
for(i in 1:length(vec)){
if(vec < 0){
vec <- -vec; K$ ?& u/ m; @: _! m) D
}; Q' t/ P# @" y1 C% Y8 l; ?! K
}
vec# B# L/ ` c) R+ \' p N, O
}
程序②——向量化
abs_set <- function(vec){) \" y$ s4 l+ Z% h' _+ [
negs <- vec < 0
vec[negs] <- vec[negs] * -11 T' m1 r [+ x+ G
vec
}
未向量化的程序:$ m4 X6 c7 q$ B9 c$ M$ l5 ~4 V0 S
if 语句一次只能针对一个元素进行判断,来判断出 vec 中为负数的元素
向量化的程序:
其中, vec < 0 为逻辑测试,返回一个包含 TRUE, FALSE 逻辑值的向量 negs, 通过逻辑值取子集的方法,得到 vec 中为负数的元素, 即 vec[negs].
在 for 循环之前,定义好一个含有 1000000 个 NA 值的向量.
在 for 循环之中, 对于对一个向量中的元素进行相应的操作.
| 欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) | Powered by Discuz! X2.5 |