R中的快速方法来执行两个嵌套的for循环[重复]

Question

我需要取两个向量的任意两个元素之间的差。 如果A<-c(1,2) 和B<-c(3,4) 那么我的结果R 应该是c(3-1,3-2,4-1,4-2)。

有了这个sn-p

myfunction <- function(N)
{
  A = runif(N)
  B = runif(N)
  R = c()
  for(a in A){
    for(b in B){
      R=c(b-a,R)
    }
  }
  R
}
print(system.time(result <- myfunction(300)))

这次我明白了

   user  system elapsed 
  14.27    0.01   14.39 

有没有更快的方法？

Answer 1

最快的基础解决方案是使用outer：

as.vector(outer(B,A,"-"))

令我惊讶的是，map2_dbl 实际上比 outer 快​​很多：

不出所料，map2_dbl 似乎更快，但那是因为它没有计算 A 和 B 中值的每个组合：

      test elapsed relative
3 CP(A, B)    7.54   47.125 # using expand.grid
2 JL(A, B)    0.16    1.000 # using map2_dbl
1 JM(A, B)    3.13   19.563 # using outer

但是：

> A <- 1:3
> B <- 3:1
> JL(A,B)
[1] -2  0  2
> JM(A,B)
[1]  2  1  0  1  0 -1  0 -1 -2

这适用于长度为 1000 的两个向量，并且有 100 次重复。我没有包含您自己的解决方案，因为该解决方案非常慢，原因有两个：

• R 中的for 循环比过去快了很多，但仍然不如使用循环编码为C 或等效的函数那样最佳。此处测试代码中使用的函数就是这种情况。
• 你“增长”了你的结果对象。代码的每一次循环，R 都会变大一个值，因此 R 必须在内存中寻找新的位置来存储它。这实际上是代码中最大的瓶颈。不惜一切代价尽量避免这种构造，因为它是导致代码极其缓慢的最重要原因之一。

基准代码：

library(tidyverse)

JM <- function(A,B){
  as.vector(outer(B,A,"-"))
}

JL <- function(A,B){
  map2_dbl(.x = A, 
           .y = B, 
           .f = ~ c(.x - .y))
}

CP <- function(A,B){
  as.data.frame(expand.grid(A,B)) %>%
    mutate(Var3 = Var2-Var1)
}

library(rbenchmark)

A <- runif(1000)
B <- runif(1000)

benchmark(JM(A,B),
          JL(A,B),
          CP(A,B),
          replications = 100,
          columns = c("test","elapsed","relative"))

Answer 2

您可以使用expand.grid 来向量化该方法：

A <- runif(300)
B <- runif(300)

library(dplyr)
R <- as.data.frame(expand.grid(A,B)) %>%
       mutate(Var3 = Var2-Var1)  

前5行输出：

      Var1     Var2          Var3
1 0.8516676 0.325261 -0.5264066246
2 0.2126453 0.325261  0.1126156694
3 0.5394620 0.325261 -0.2142010126
4 0.1364876 0.325261  0.1887734290
5 0.3248651 0.325261  0.0003958747 

这需要：

user  system elapsed 
0.02    0.00    0.02

你的函数占用了：

 user  system elapsed 
42.39    0.43   42.90    

Answer 3

使用purrr::map2：

library(tidyverse)

N = 300
A = runif(N)
B = runif(N)
R = c()

print(
  system.time(
    result <- map(
      .x = A,
      .f = ~ c(.x - B)) %>% unlist
  )
)

花费时间：

 user  system elapsed 
 0.02       0    0.02 

如果我现在引起了您的注意，请查看 this repo 以了解 purrr 的精彩介绍。