向量化代码的重要性

高效 R 代码写作

Colin Gillespie

Jumping Rivers & Newcastle University

通用规则

调用 R 函数最终会运行 C 或 FORTRAN 代码
- 这些底层代码经过强力优化

目标

尽快触达底层 C 或 FORTRAN 代码；函数调用越少越好。

向量化函数

许多 R 函数已向量化
- 标量输入也可返回向量

rnorm(4)

-0.7247  0.2502  0.3510  0.6919

向量作为输入

mean(c(36, 48))

生成随机数

library(microbenchmark)
n <- 1e6
x <- vector("numeric", n)
microbenchmark(
    x <- rnorm(n),
    {
        for(i in seq_along(x))
            x[i] <- rnorm(1)
        },
    times = 10
)

# Unit: milliseconds
# expr        lq mean    uq  cld
# rnorm(n)    60   70    80  a
# Looping   2600 2700  2800   b

## Output trimmed for presentation

对比

x <- vector("numeric", n)
for(i in seq_along(x))
    x[i] <- rnorm(1)

与

x <- rnorm(n)

为何循环更慢？

循环

x <- vector("numeric", n)
for(i in seq_along(x))
    x[i] <- rnorm(1)

预分配

x <- vector("numeric", n)

循环：一次性开销
向量化：相当

生成

循环：调用 rnorm() 一百万次
向量化：调用 rnorm() 一次

赋值

循环：赋值操作一百万次
向量化：赋值一次

R 俱乐部

R 俱乐部的第二条规则：尽可能使用向量化方案。

¡Vamos a practicar!

高效 R 代码写作