在 R 中，为什么 v[length(v)+1] = x 比 c(v, x) 好？

Question

我写了以下两个函数，一个使用连接来测试增加的向量大小，一个使用括号：

c_test <- function(n) {
  cv = c()
  for(i in 1:n) cv = c(cv, i)
  cv
  }

b_test <- function(n) {
  bv = c()
  for (i in 1:n) bv[i] = i
  bv
  }

library(microbenchmark)
microbenchmark(c_test(1e+4), b_test(1e+4), times = 100)

#Unit: milliseconds
#          expr       min        lq      mean    median        uq      max neval
# c_test(10000) 140.27923 145.73282 156.82319 148.16175 151.74713 267.2393   100
# b_test(10000)  49.58033  54.42992  56.24268  54.86033  56.30862 132.8394   100

这是一个很大的时间差异，我不明白为什么使用括号比使用连接好得多。在这两种情况下，分配新内存似乎都需要时间，但这似乎不是真的。我还认为c(v, x) 可能在合并之前将x 转换为与v 相同的类型，但说v[i] = as.vector(x) 并不是一个重要的时间成本。

Answer 1

这可能应该是一条评论，因为我不知道实际答案，但它太长了。

“c”和“[”都是原始的、内部的和通用的。这意味着方法分派是由 C 函数完成的，这就是我在回答您的实际问题时所能得到的。那里发生了一些神秘的事情，“[”在这方面比“c”更有效。

但是，我确实想指出，根据某些但不是所有的 cmets，这两种方法都是低效的，而不仅仅是因为矢量化。为您期望的向量大小预先分配内存空间确实有很大帮助，比c 和[ 之间的差异要大得多。与[ 版本相比，预分配使您的速度提高了 70% 到 90%：

# very poor - repeated calls to c() to extend
c_test <- function(n) {
  cv = c()
  for(i in 1:n) cv = c(cv, i)
  cv
}

# slightly better - just use []
b_test <- function(n) {
  bv = c()
  for (i in 1:n) bv[i] = i
  bv
}

# much better practice - preallocate length of the vector
d_test <- function(n) {
  bv = numeric(n)
  for (i in 1:n) bv[i] = i
  bv
}

# good practice if possible - vectorisation
e_test <- function(n) {
  bv = 1:n
  bv
}


library(microbenchmark)
microbenchmark(c_test(1e+4), b_test(1e+4), d_test(1e+4), e_test(1e+4), times = 100)

这给出了：

Unit: microseconds
          expr        min         lq         mean     median         uq        max neval cld
 c_test(10000) 102355.753 111202.568 129250.53638 114237.234 132468.938 220005.926   100   c
 b_test(10000)  47337.481  52820.938  77029.01728  59450.864 116529.185 192643.555   100  b 
 d_test(10000)   6761.877   7492.741   7965.37288   7814.519   8353.778  11007.605   100 a  
 e_test(10000)      3.555      6.321      9.32347      8.692     10.272     27.259   100 a  

此外，正如@Roland 所说，“随着大小的增加，对象的增长会变得更加昂贵”。随着向量变大，内存中可用于放置它的位置越来越少。

我很欣赏e_test（矢量化）不适用于您的斐波那契用例，但无论如何都将其留作比较，以便了解可能矢量化时的加速规模。