利用 R 的三大法宝:
来达到编写高效的代码的目的.0 q) _) n' K' v; x
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.$ e u. R4 v1 q1 z- a c
通过以下几个案例来阐述向量化编程
格式: rep(c(-1, 1), 5000000)# _% Q: c0 D4 e0 K& y- F5 y& W; X( B
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){) b1 a9 i# R! X. Q' V, W
for(i in 1:length(vec)){
if(vec == "DD"){7 t+ a; e( W) o! z3 x5 A
vec <- "joker"
}else if(vec == "C"){
vec <- "ace"
}else if(vec == "7"){4 r; Y% ]9 a% F' j: w" m1 Z
vec <- "king"
}else if(vec == "B"){
vec <- "queen"+ V# H& E9 n2 x
}else if(vec == "BB"){
vec <- "jack"
}else if(vec == "BBB"){' i" j6 d' m* H3 O: B0 J& C$ c
vec <- "ten"
}else{
vec <- "nine"
}! Z3 E; a4 K+ R- B9 W; [
}1 U* f% }4 R% |2 o" W
vec- s" L. U) B6 D0 H
}
程序②——向量化
change_vec <- function(vec){
prob <- c("DD" = "joker", "C" = "ace"...)
unname(prob[vec])% x: W/ {- [+ n
}
目的:一次性完成对一类情况中的所有元素的操作& X- v) Y' i& a7 [/ A
案例:
程序①——未经向量化
abs_loop <- function(vec){
for(i in 1:length(vec)){1 |0 M6 o) ~( f% n
if(vec < 0){
vec <- -vec5 @" Q3 L; f2 D; A6 S o) q
}7 A9 a& j$ b' o: \ N9 B; G' G* C$ L7 ~
}
vec
}
程序②——向量化
abs_set <- function(vec){
negs <- vec < 0
vec[negs] <- vec[negs] * -12 h8 z6 ]+ ? K* U
vec+ @# v! i* v( E( Q) f* o7 d
}
未向量化的程序:' m4 H6 t0 J5 y& z, t$ j/ t( J/ U
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; e) v+ i1 j) C) W8 b H
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 |