《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
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"
% i5 Q, x7 u6 S  E1 F' ~}else if(vec == "C"){
vec <- "ace"
}else if(vec == "7"){
vec <- "king"
}else if(vec == "B"){
vec <- "queen"
}else if(vec == "BB"){
vec <- "jack"
}else if(vec == "BBB"){
vec <- "ten"
# T* w% q! R' K. o) G* ^* ~/ ^0 G0 [}else{
- y! f" g# \* u; `# J6 Cvec <- "nine"
3 }$ r9 y3 p! q' m; E; L}
* g; N2 F& b) E; T# Z* I4 ^}
vec
: \8 q! g  {0 z# ?9 r}

程序②——向量化

change_vec <- function(vec){
& }' ?+ ^. c$ ~; mprob <- c("DD" = "joker", "C" = "ace"...)
unname(prob[vec])
}

7 M! o* m! W1 }& l5 ]: E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
案例:
& J" b) }* j9 M程序①——未经向量化

abs_loop <- function(vec){
! I4 ]4 z1 ~0 J, ]for(i in 1:length(vec)){
- G5 _' V" b' r; J' N% Eif(vec < 0){
vec <- -vec
}
}
9 G3 \3 g% Y( O. T4 y' Lvec
}

程序②——向量化

abs_set <- function(vec){
negs <- vec < 0
0 _, @/ n" c+ h/ [9 ]7 k6 R; Gvec[negs] <- vec[negs] * -1
vec
4 U0 j0 S+ W3 A# s}

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:
( b2 N! S2 X  C5 m; s; h$ A& R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.
在 for 循环之中, 对于对一个向量中的元素进行相应的操作.

+ [$ i' h* c: n
) Z* C& A9 N5 B- w8 H9 x' ^