利用 R 的三大法宝:
来达到编写高效的代码的目的.
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.
通过以下几个案例来阐述向量化编程
格式: rep(c(-1, 1), 5000000)
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){- V z; n5 H* U9 r3 D
for(i in 1:length(vec)){
if(vec == "DD"){7 d1 s! S& A u3 ^, B1 Z& b9 O
vec <- "joker"
}else if(vec == "C"){
vec <- "ace"
}else if(vec == "7"){
vec <- "king"
}else if(vec == "B"){1 [) f4 b' Y( z+ T$ m. m6 c6 ^' s6 ?
vec <- "queen"1 W- o! _& i* ~* @9 p1 v
}else if(vec == "BB"){
vec <- "jack"
}else if(vec == "BBB"){
vec <- "ten"
}else{
vec <- "nine"
}
}
vec
}
程序②——向量化
change_vec <- function(vec){
prob <- c("DD" = "joker", "C" = "ace"...)
unname(prob[vec])
}
目的:一次性完成对一类情况中的所有元素的操作7 W2 `5 l8 u9 V' Y4 ~* G
案例:
程序①——未经向量化
abs_loop <- function(vec){- n- w% [: [+ B$ K" `$ z
for(i in 1:length(vec)){
if(vec < 0){# }) x# Y4 }7 {! K }# z A8 I
vec <- -vec8 G: M* X6 ?, J" P* J/ d H# C
}3 }; b5 m; Q' x2 g. _" ?( W, F
}
vec
}
程序②——向量化
abs_set <- function(vec){
negs <- vec < 0
vec[negs] <- vec[negs] * -1- G- c# ~* B% |2 q7 g
vec' |1 b. n7 Q/ y( e
}
未向量化的程序:2 x5 n2 l5 |$ @9 d) r1 }; ^% `
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9 k7 \7 N* I: P& z
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./ K" p' x! }: k F2 I2 d) Q
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 |