优化/矢量化 R 中的循环，从输入向量的范围生成随机数？

Question

问题：

我在 R 中使用循环从两个（“父”）向量创建一个新向量，为新向量中的每个位置生成一个随机值，该值在父级在该位置的值范围内（用于genetic algorithm 中的交叉阶段）。请注意，我不想要 x 和 y 的平均值，而是在各个位置的值范围内的随机值。

示例代码：

x = c(0.1, 0.7, 1, 0.8)
y = c(0, 0.9, 0.2, 1)
child = rep(NA, length(x))
for(i in 1:length(x)){
  child[i] = sample(seq(min(x[i], y[i]),  
                        max(x[i],y[i]), by=0.01), 1)
}
# This might yield, for example: 0.02 0.83 0.73 0.88 

问题：

它工作得很好，但我想也许有一种更有效的方法来做到这一点（因为我需要在数千次迭代中为 100-1000 个人执行此操作）。 在 R 中，有很好的快速函数，如 ifelse、colMeans、max.col、match、rollmean 等，它们适用于向量，所以我想知道，有没有类似的东西适合我的目的也是？ （据我所知，apply 帮派可能在这里帮不上什么忙）。或者这样的循环真的是我能做的最好的吗？

Answer 1

我们可以使用runif 从均匀分布中获取随机数，并使用pmax 和pmin 对最小值和最大值进行向量化：

round(runif(length(x), pmin(x, y), pmax(x, y)), 2)

一个小基准：

library(microbenchmark)

set.seed(42)
x <- runif(1000)
y <- runif(1000)

microbenchmark(vectorize ={round(runif(length(x), pmin(x, y), pmax(x, y)), 2)},
               mapply =  {mapply(runif, 1, pmin(x, y), pmax(x, y))},
               lapply = {unlist(lapply(seq_along(x), function(p, q, i) { sample(seq(min(p[i], q[i]), max(p[i],q[i]), by=0.01), 1) }, p=x, q=y))})

Unit: microseconds
      expr       min        lq       mean     median        uq       max neval cld
 vectorize   316.417   321.026   341.6501   336.0015   342.914   529.154   100 a  
    mapply  4311.559  4429.640  4733.0420  4543.6875  4806.535  9935.631   100  b 
    lapply 46987.459 47718.980 50484.6058 48474.5015 53599.756 60043.093   100   c

Answer 2

这是mapply 解决方案：

mapply(runif, 1, pmin(x,y), pmax(x,y))

（尽管@jeremycg 的解决方案表明您不需要 *apply 函数，并且也可以将 runif 的最小值和最大值矢量化。）

Answer 3

这是一个在 2 秒内包含 1000 万条记录的 data.table 解决方案：

library(data.table)
set.seed(4444)
n <- 10000000
system.time({
  dt <- data.table(x=runif(n=n,min=0,max=10),y=runif(n=n,min=0,max=10))
  dt[,child := runif(n=n,min=pmin(x,y),max=pmax(x,y)),by=.I]
})
dt

#user  system elapsed 
#2.01    0.03    2.06