向量化（）与应用（）答案

【问题标题】：Vectorize() vs apply()向量化（）与应用（）
【发布时间】：2014-09-24 17:43:08
【问题描述】：

R 中的 Vectorize() 和 apply() 函数通常可用于实现相同的目标。出于可读性的原因，我通常更喜欢向量化函数，因为主调用函数与手头的任务相关，而 sapply 则不是。当我要在我的 R 代码中多次使用该矢量化函数时，Vectorize() 也很有用。例如：

a <- 100
b <- 200
c <- 300
varnames <- c('a', 'b', 'c')

getv <- Vectorize(get)
getv(varnames)

对

sapply(varnames, get)

但是，至少在 SO 上，我很少在解决方案中看到带有 Vectorize() 的示例，只有 apply()（或其中一个兄弟姐妹）。 Vectorize() 是否存在任何效率问题或其他合理问题，使 apply() 成为更好的选择？

【问题讨论】：

嗯...您是否运行了自己的示例？我已经看到Vectorize 的一个问题...
好吧，我想这开始回答我的问题了。在引擎盖下看起来Vectorize() 只是mapply() 的包装器。
既然你的例子被mget()排除了，你能用更好的例子重写吗？

标签： r vectorization apply mapply

【解决方案1】：

Vectorize 只是mapply 的包装器。它只是为您提供的任何功能构建一个mapply 循环。因此，通常有比Vectorize() 更简单的方法，而明确的*apply 解决方案最终在计算上是等效的，或者可能更优越。

另外，对于您的具体示例，您听说过mget，对吧？

【讨论】：

【解决方案2】：

补充托马斯的答案。也许还有速度？

    # install.packages(c("microbenchmark", "stringr"), dependencies = TRUE)
require(microbenchmark)
require(stringr)

Vect <- function(x) { getv <- Vectorize(get); getv(x) }
sapp <- function(x) sapply(x, get)
mgett <- function(x) mget(x)
res <- microbenchmark(Vect(varnames), sapp(varnames), mget(varnames), times = 15)

## Print results:
print(res)
Unit: microseconds
           expr     min       lq  median       uq     max neval
 Vect(varnames) 106.752 110.3845 116.050 122.9030 246.934    15
 sapp(varnames)  31.731  33.8680  36.199  36.7810 100.712    15
 mget(varnames)   2.856   3.1930   3.732   4.1185  13.624    15


### Plot results:
boxplot(res)

【讨论】：