《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
- C3 C2 J, h! b1 Z- m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.
  $ {6 I% }1 C2 H  M8 O* E! B. t$ P

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"
}else if(vec == "C"){
vec <- "ace"
}else if(vec == "7"){
vec <- "king"
}else if(vec == "B"){
  g8 ^; l! Y$ {vec <- "queen"
}else if(vec == "BB"){
( a+ `- n9 x, M  {vec <- "jack"
7 u! K( u0 l5 J}else if(vec == "BBB"){
# B- E) i9 C2 p/ }6 J6 jvec <- "ten"
2 i  v" a* Y; D- ~* T" u}else{
vec <- "nine"
2 [+ q" h2 o8 F9 E}
}
vec
! ]7 r: Z+ c) r/ g, i' M. Q}

程序②——向量化

change_vec <- function(vec){
prob <- c("DD" = "joker", "C" = "ace"...)
unname(prob[vec])
! R! w1 Q$ N5 T% L}

7 s: V' X1 l5 N/ ?# Y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
2 j5 ?9 v. Q' q4 ?' N+ w6 u案例:
程序①——未经向量化

abs_loop <- function(vec){
( T2 d" D, p! L: [2 w( [2 ffor(i in 1:length(vec)){
* h& ~+ l) X; G( n+ x  Sif(vec < 0){
4 h) O- ^4 V, Bvec <- -vec
- R. C* @! s- h' y- H' I}
}
% T# u, x: L* @2 d; Ovec
}

程序②——向量化

abs_set <- function(vec){
. I  `7 E1 f  v* ]8 _. n5 lnegs <- vec < 0
% v+ S( V7 ^; h+ Mvec[negs] <- vec[negs] * -1
vec
0 B# Y* n2 t8 h6 _1 O1 i}

未向量化的程序:
- Q! m7 `% Q$ J# d/ S! h1 Mif 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
- K8 P$ b- D4 k向量化的程序:
' W  a# q3 Z- h( P! Z2 k7 \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.
5 N: C3 R6 t) W- \在 for 循环之中, 对于对一个向量中的元素进行相应的操作.

8 \$ O  C: y) B4 D
# Y9 h, K' V" O/ S, e( q. G