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.0 I! P# } v; c9 ^8 F8 l; Q/ N: C
通过以下几个案例来阐述向量化编程
格式: rep(c(-1, 1), 5000000): R' d$ ?' M) P
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))6 N8 {3 O) o H' @8 }( A0 y% C
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)){6 z: C! E+ f( k
if(vec == "DD"){+ F+ O. f: _) x+ Z# W4 |. Y
vec <- "joker"4 z, A- x5 p- v7 X2 ^
}else if(vec == "C"){
vec <- "ace". C( Y e' C6 L+ _, e) W. s$ {
}else if(vec == "7"){ s9 r! v& H" Y3 s3 _
vec <- "king"
}else if(vec == "B"){& ]9 W* R& {/ ], j. _4 H
vec <- "queen"
}else if(vec == "BB"){! V k, i! r2 D- s0 F
vec <- "jack"
}else if(vec == "BBB"){3 \4 k/ V5 a4 n8 ]
vec <- "ten"' F+ S/ u1 x* q6 Q
}else{: {! t! F4 H+ s( Y
vec <- "nine"
}
}
vec
}
程序②——向量化
change_vec <- function(vec){
prob <- c("DD" = "joker", "C" = "ace"...)
unname(prob[vec])2 p1 r ^2 t7 I$ m# l; m. B: p' L1 G
}
目的:一次性完成对一类情况中的所有元素的操作6 t; Z5 E0 }( m9 u$ \0 U
案例:1 C; \/ Y* Y# I
程序①——未经向量化
abs_loop <- function(vec){9 W6 U$ Q1 M& Z- r" E5 X. d
for(i in 1:length(vec)){
if(vec < 0){
vec <- -vec9 j, D% n! d4 G; G0 g1 U
}
}5 W X4 D- u6 k' k, c0 {
vec
}
程序②——向量化
abs_set <- function(vec){7 `- d& r9 o+ e# n" M
negs <- vec < 0
vec[negs] <- vec[negs] * -1/ K* Q6 p; Y* K0 C( q
vec; G1 b$ }. F4 S( y4 A# Y
}
未向量化的程序:
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.1 [; I4 D, L. S" l5 V3 A* s
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 |