提高循环速度（应用没有帮助）

Question

我需要加快我正在执行的模拟，我发现我的一个函数的特定组件是造成速度如此缓慢的主要原因。

这部分函数的工作是演示从分布中增加随机抽奖的数量 (n) 如何提高该组抽奖的平均估计精度。

程序如下：

• 样本 n 从具有固定参数 mu 和 sigma 的正态分布中随机抽取，其中 n 从1 到 500。（在本例中，我只设置 mu = 500 和 sigma = 100。）
• 在每个 n 处，计算所有采样值的平均值
• 重复此过程 1000 次。

我目前在嵌套循环中使用它，我知道它效率不高。代码如下：

# generate empty container for the simulated data
# parameters: 
# n_repetition = how many times to repeat the whole procedure
# max_n = maximum number of draws to explore

set.seed(42)
n_repetition <- 1000
max_n <- 500

# function to generate n random draws, and find their mean
r_norm <- function(n, mean, sd){
 temp <- rnorm(n, mean, sd)
 return(mean(temp))
}

sim_results <- matrix(0, nrow = n_repetition, ncol = max_n)

for(i in 1:n_repetition){
 for(j in 1:max_n){
   sim_results[i, j] <- r_norm(j, mean = 500, sd = 100)
 }
}

这很慢；在我的机器上大约 9.80 秒。因此，我尝试使用“应用系列”方法。事实证明这同样慢：

sim_results <- matrix(1:max_n, nrow = max_n, ncol = n_repetition)
sim_results <- apply(sim_results, 1:2, r_norm, mean = 500, sd = 100)

我不确定如何继续。我认为 R 中的减速是循环，但我使用“应用”删除了它，它同样慢。

我什至想不出如何让它更快，所以非常感谢任何帮助。

Answer 1

根据我上面的评论。现有的嵌套 for 循环为每次重复生成一组新的随机数。一个改进是每次重复生成一组随机数，并使用内置的cummean函数。

下面的代码显示了原始代码和改进后的比较。原始代码耗时约 13 秒，改进约 1 秒。

print(Sys.time())
set.seed(42)
n_repetition <- 1000
max_n <- 500

sim_results <- matrix(0, nrow = n_repetition, ncol = max_n)

for(i in 1:n_repetition){
  for(j in 1:max_n){
    sim_results[i, j] <- mean(rnorm(j, mean = 500, sd = 100))
  }
}

print(Sys.time())
sim_results2 <- matrix(0, nrow = n_repetition, ncol = max_n)
set.seed(42)
for(i in 1:n_repetition){
    sim_results2[i, ] <- cummean(rnorm(max_n, mean = 500, sd = 100))

}
print(Sys.time())