我可以加快 R 中的迭代过程吗？答案

【问题标题】：can I speed up iteration process in R?我可以加快 R 中的迭代过程吗？
【发布时间】：2016-11-21 04:33:08
【问题描述】：

我对 R 中的迭代缺乏经验，并希望在我在网站中实施一些分析时加快流程。

我发现了一个非常有用的教程，它允许我遍历一个矩阵，挑选出高于某个阈值 (>0.01) 的标准数据，然后用这些值渗透三个向量：“源、目标和 corr”，最终使一个组织良好的数据框。

source=c()
target=c()
corr<-c()

g1<-rownames(adj_mat)[1:dim(adj_mat)[1]]
g2<-g1

for(gene in g1){
  for(gen in g2){
    if(adj_mat[gene,gen]>0.01){
      source<-c(source,gene)
      target<-c(target,gen)
      corr<-c(corr,adj_mat[gene,gen])
    }
  }
}
network<-data.frame(source,target,corr)

虽然这对于维度为 1000、500 的小矩阵非常有用，但对于维度为 10000、700...的小矩阵，它需要大量的时间。

矩阵来自一个文件，每次都会上传到网站并在网站中读取，所以我无法适应“来源等”。对象大小与矩阵大小一致，因为每个新上传的文件的大小都不同。

谁能告诉我在 R 中是否有更有效的方法来做到这一点？

【问题讨论】：

变量m是什么？我建议使用索引进行迭代（for(i in 1:nrow(adj_mat))），并且正如@Paul Hiemstra 指出的那样，预分配。例如：source
抱歉我已经纠正了这个错误

标签： r matrix iteration

【解决方案1】：

我现在能看到的最大问题是你迭代地构建了一些数据结构，即source、target 和corr。通过将对象预分配到正确的大小并使用索引来放置值，您可以极大地加快代码速度。

您可以通过矢量化操作来进一步改进您的代码。例如，确定m 的哪些部分大于0.01 可以这样轻松完成：

m[m > 0.01]

并获取您的数据结构source、target 和corr：

matching_indices = which(m > 0.01, arr.ind = TRUE)
source = matching_indices[,1]
target  = matching_indices[,2]
corr = m[m > 0.01]

这只是示例代码，我不完全确定这是否是您需要的。但它为实现这一目标迈出了良好的一步。

【讨论】：

这听起来真的很有用，你能举个例子或链接到示例代码吗？谢谢
我扩展了我的答案。如果没有适当的可重现示例，很难走得更远。
啊，抱歉，您的意思是将索引拟合到文件的给定大小？是的，矩阵将来自上传到网站的文件-每次都不同大小，所以我不能这样做
为什么不呢？您可以在每次获取文件时提取文件的大小，并相应地进行预分配。但是，我会简单地将您的解决方案矢量化，这样就不需要预先分配。
也许我写的这个教程可以对矢量化等有所了解：stcorp.nl/R_course/tutorial_control_flow.html.

【解决方案2】：

向量化对于编写高性能 R 非常重要。这允许在本机代码中完成尽可能多的工作，而 R 和本机代码之间的值传输最少。

例如：

# Slow
a <- c(1, 2, 3)
b <- c(4, 5, 6)

r <- c()

for (i in 1:length(a)) {
    r <- c(r, a[i] + b[i]);
}

# Fast
r <- a + b

后者更快，因为slow 方法调用+ 3 次，每次迭代一次，而fast 方法调用+ 一次。你应该尽可能多地批量处理。它的代码也更短！

但是条件句呢？假设你要优化：

# Slow
a <- c(1, 2, 3)
b <- c(4, 5, 6)

r <- c()

for (i in 1:length(a)) {
    if (a[i] > b[i] / 2) {
        r <- c(r, a[i] + b[i]);
    } else {
        r <- c(r, a[i] - b[i]);
    }
}

你可以使用ifelse：

# Fast
a <- c(1, 2, 3)
b <- c(4, 5, 6)

r <- ifelse(a > b / 2, a + b, a - b)

查看@PaulHiemstra 对代码应用程序的回答。

【讨论】：