【发布时间】：2021-06-25 11:55:18
【问题描述】：
我必须使用物理公式进行一些模拟。在一个公式中，有许多变量。我想用 100 个样本改变这些变量。对于每个样本，我必须使用所有组合进行计算。简化的 for 循环更好地解释了我想要做什么：
set.seed(3)
a = rnorm(100)
b = rnorm(100)
c = rnorm(100)
d = rnorm(100)
f = rnorm(100)
for (a in 1:length(a)) {
for (b in 1:length(b)) {
for (c in 1:length(c)) {
for (d in 1:length(d)) {
for (f in 1:length(f)) {
value = a + b / c * d - f # for illustrative purposes only
# ....
# ... then I append the value to a vector etc.
}
}
}
}
}
如您所见，当要改变的参数数量（每个参数 100 个样本）增加时，模拟次数会呈指数增加，计算时间也会增加。我必须改变 10-15 个参数并计算所有参数组合的“值”。有什么办法（完全）可以避免这些循环吗？在处理这样的大型计算时，有什么好的编程习惯？
【问题讨论】：
-
您的代码将生成一个包含 100 ^ 5 = 10e5 个值的向量。你确定那是你想要的吗？这是一个非常大的数字，并且该向量将占用超过 37 GiB 的 RAM。
-
@KonradRudolph 我正在生成合成数据，对于我的任务，我可以生成的数据越多，它就越能帮助我解决我正在处理的问题。我可以访问异常出色的计算机，因此计算机功率不是什么大问题。但是，我目前的 for-loop 方法并不吸引人，我觉得应该有更好的方法来解决这个问题。
-
在一个问题上投入更多的数据只能让你到目前为止：详尽的搜索的用处非常有限，这就是为什么它们很少这样做，即使使用强大的硬件也是如此。 ——也就是说，你应该看看 R 的矩阵运算；特别是
outer。使用此功能，您可以摆脱所有循环。
标签： r loops for-loop nested-loops