《R语言入门与实践》第十章:向量化编程

1047521767

         《R语言入门与实践》第十章:向量化编程
1 E7 H! S  X8 ?2 s6 C/ j5 e前言

利用 R 的三大法宝:

• 逻辑判断
• 取子集
• 按元素方式执行
  

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

预备知识rep() 函数

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

system.time() 函数

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.

向量化代码向量化代码的定义

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:

• 尽量使用向量化的函数来完成任务:比如使用 R 库中的原函数
• 对于重复的情况,使用逻辑值取子集的方法,而不是 for & if 的方法.
  

方法一:使用向量化的函数/查找表

程序①——未经向量化

change_symbols <- function(vec){
for(i in 1:length(vec)){
if(vec == "DD"){
vec <- "joker"
& G8 D# F. C. [, A/ p}else if(vec == "C"){
- {3 k2 A# D4 L. g$ x9 C0 C: _* pvec <- "ace"
" ~: j5 W5 A( q}else if(vec == "7"){
vec <- "king"
. B' Q6 g" A- I; {}else if(vec == "B"){
vec <- "queen"
}else if(vec == "BB"){
" }1 N. |) S0 \$ T8 ^" Ovec <- "jack"
}else if(vec == "BBB"){
) l" A% m4 p2 [' ^* c8 Wvec <- "ten"
}else{
vec <- "nine"
0 z9 g& R7 ~5 ^" r}
}
4 H; }0 A4 j9 o# L: s9 B: R7 xvec
}

程序②——向量化

change_vec <- function(vec){
prob <- c("DD" = "joker", "C" = "ace"...)
unname(prob[vec])
! x- a" R! B; d; ]) T}

7 F* x: k8 D' Y# k: [7 l方法二:逻辑值取子集

目的:一次性完成对一类情况中的所有元素的操作
% S) Q2 Z8 |; [, N# y6 R案例:
程序①——未经向量化

abs_loop <- function(vec){
9 {5 y( G. m% L  l* lfor(i in 1:length(vec)){
if(vec < 0){
vec <- -vec
! t+ a* n7 B  A) z7 b5 l# x" ~}
}
vec
}

程序②——向量化

abs_set <- function(vec){
negs <- vec < 0
vec[negs] <- vec[negs] * -1
vec
}

未向量化的程序:
; r9 i3 P$ F1 e) d4 u, \6 d( rif 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:
  G7 Z, s8 F& g4 o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].

如何在 R 中编写出快速的 for 循环原则:

• 能放在循环外的代码,就一定不要放在循环内
• 确保用来储存循环输出结果的对象必须具备足够的容量,以容纳循环的结果
  

范例:一个循环 1000000 次并赋值的 for 循环

在 for 循环之前,定义好一个含有 1000000 个 NA 值的向量.
2 z4 O3 B- G8 c1 D; T在 for 循环之中, 对于对一个向量中的元素进行相应的操作.

, |2 k2 k% ^' ]- [  ~% z