在 R 中优化 for 循环

Question

我一直在做很多研究，但我认为在 R 中的嵌套 for 循环方面我遗漏了一些东西。我有两个数据框 - 一个包含观察结果和我想要编写输出的位置，另一个包含我正在循环的变量名。现在循环可以工作，但循环 200 行需要 14 多个小时，这似乎有点过分。当然，我在每行执行 12 次单独的排列（100 次），但理想情况下我希望进行 >1000 次以上的排列。有没有更有效的方法来执行这个 for 循环？当我进行一次观察时，它只需要很少的时间（不到 2 秒）就可以完成，这让我不禁要问，应该有更好的方法来完成这项任务。非常感谢您在优化此代码方面提供的任何帮助！谢谢！

附加了主数据集（fbfm.xlsx），称为 fm.std https://www.dropbox.com/s/vmd8d05yxds93j6/fbfm.xlsx?dl=0

library(rothermel)
u.val<-c(5,10,15,25,35,45,55,65,75,85,95,100)
unames <- data.frame(u=u.val,ros.nam=paste("u",u.val,"_ROS",sep=""), stringsAsFactors = FALSE)
ros.out<-data.frame(fm.std)
for (i in 1:dim(unames)[1]){
     ros.out[,unames[i,'ros.nam']]<-999
          }
ros.out <- as.vector(ros.out)
fm.std <- as.vector(fm.std)
for (i in 1:dim(ros.out)[1]){
   ros.out[i,1:32]
     for (u in 1:dim(unames)[1]){
         ros.out[i,unames[u,'ros.nam']]<-mean(rosunc(modeltype=fm.std[i,'Fuel_Model_Type'], #Dyanmic or static model
                                            w=fm.std[i,4:8], # fuel loads (1, 10, 100, herb, and shrub)
                                            s=fm.std[i,9:13], # SAV measurements
                                            delta=fm.std[i,14], #fuel bed depth
                                            mx.dead=fm.std[i,15], # dead fuel mositure of extinction
                                            h=fm.std[i,16:20], # heat content for fuel classes
                                            m=fm.std[i,c(25,24,23,26,30)], #percent moisture of fuel classes
                                            u = unames[u,'u'],
                                            slope=0,
                                            sdm=0.3,
                                            nsim=100) ) #wind and slope of 0 }}

Answer 1

考虑一个更矢量化的sapply() 方法，传入两个向量u.val 和1:nrow(fm.std)。这将构建一个 200 行 12 列的矩阵，您可以将其转换为数据帧，然后将 cbind 转换为原始数据帧。

ucols <- sapply(u.val, 
                function(x, y){
                   mean(rosunc(modeltype=fm.std[y,'Fuel_Model_Type'],  # Dyanmic or static model
                               w=fm.std[y,4:8],       # fuel loads (1, 10, 100, herb, and shrub)
                               s=fm.std[y,9:13],      # SAV measurements
                               delta=fm.std[y,14],    # fuel bed depth
                               mx.dead=fm.std[y,15],  # dead fuel mositure of extinction
                               h=fm.std[y,16:20],     # heat content for fuel classes
                               m=fm.std[y,c(25,24,23,26,30)],     # percent moisture of fuel classes
                               u=x,
                               slope=0,
                               sdm=0.3,
                               nsim=100))
                }, 1:nrow(fm.std))

# CONVERT MATRIX TO DATA FRAME
ucols <- data.frame(ucols)
# RENAME COLUMNS
names(test) <- paste("u",u.val,"_ROS",sep="")

# BIND COLUMNS TO ORIGINAL DATA FRAME
ros.out <- cbind(fm.std, ucols)

或者，考虑使用带有转置的outer() t() 来实现 200 行和 12 列的矩阵。

ucols <- t(outer(u.val, 1:nrow(fm.std), 
                    function(x, y){
                         mean(rosunc(...))
                    }
           ))
...