如何解决向量化循环,其中迭代依赖于 R 中的先前循环
我有以下工作代码:
x <- c(10.7,13.0,11.4,11.5,12.5,14.1,14.8,12.6,16.0,11.7,10.6,10.0,7.9,9.5,8.0,11.8,10.5,11.2,9.2,10.1,10.4,10.5)
cusum <- function(x) {
s <- NA
mn <- mean(x)
for (i in seq_along(x)) {
if (i == 1)
s[i] <- 0 + x[i] - mn
else
s[i] <- s[i - 1] + x[i] - mn
}
s
}
cusum(x)
我希望对代码进行矢量化以提高性能,但我不知道如何进行,因为:
- 我不能在
s[i - 1]
和 al. 中使用“迭代依赖”(即s[i]
来计算lapply
)。 - 我无法遍历
Reduce
中的两个向量(即s
和x
)
如何在基 R 中矢量化我的函数?我在一个限制性的环境中工作,我只能访问基本 R。
解决方法
这个特定的迭代不需要循环:只需在 cumsum
上使用 x - mean(x)
:
cumsum(x - mean(x))
[1] -6.958333e-01 9.083333e-01 9.125000e-01 1.016667e+00 2.120833e+00 4.825000e+00 8.229167e+00 1.093333e+01 1.213750e+01
[10] 1.674167e+01 1.704583e+01 1.625000e+01 1.485417e+01 1.485833e+01 1.136250e+01 9.466667e+00 6.070833e+00 6.475000e+00
[19] 5.579167e+00 5.383333e+00 3.187500e+00 1.891667e+00 8.958333e-01 -1.598721e-14
,
@Cettt 的回答是最直接的,如果需要,请坚持下去。但是,如果您的观点是您不知道如何向量化任意函数,那么...
当您的计算依赖于一个值和前一个值时,这是一回事,可以进行矢量化。但是,看起来您的计算似乎依赖于先前的计算,在这种情况下,情况完全不同。您的功能似乎是后者,所以这里是一个尝试:
func <- function(x) {
mn <- mean(x)
Reduce(function(a,b) {
a + b - mn
},x,init = 0,accumulate = TRUE)[-1]
}
func(x)
# [1] -6.96e-01 9.08e-01 9.12e-01 1.02e+00 2.12e+00 4.82e+00 8.23e+00
# [8] 1.09e+01 1.21e+01 1.67e+01 1.70e+01 1.62e+01 1.49e+01 1.49e+01
# [15] 1.14e+01 9.47e+00 6.07e+00 6.47e+00 5.58e+00 5.38e+00 3.19e+00
# [22] 1.89e+00 8.96e-01 -1.60e-14
演练:
-
Reduce
首先调用func(x[1],x[2])
,让我们调用结果res[1]
。然后它调用func(res[1],x[2])
(并存储在res[2]
中)。然后func(res[2],x[3])
等 -
由于您有不同的第一个条件 (
if (i == 1)
),因此我们使用init=0
为初始状态设定种子。我们也可以这样做:func <- function(x) { mn <- mean(x) Reduce(function(a,b) { if (is.null(a)) { 0 + b - mn } else { a + b - mn } },init = NULL,accumulate = TRUE)[-1] }
允许更复杂的初始条件。
由于我们定义了
init=
,因此在这种情况下,我们还需要删除第一个返回值,因此使用[-1]
。
-
Reduce
默认只返回最后计算出的值(此处为-1.60e-14
),因此我们添加accumulate=TRUE
来捕获所有计算出的值。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。