用R向量思考

Question

我知道R使用向量是最有效的，应该避免循环。我很难自学以这种方式实际编写代码。我想要一些关于如何‘向量化’我的代码的想法。下面是为10,000个状态(st)、plan1 (p1)和plan2 (p2)的非唯一组合创建10年样本数据的示例：

st<-NULL
p1<-NULL
p2<-NULL
year<-NULL
i<-0
starttime <- Sys.time()

while (i<10000) {
    for (years in seq(1991,2000)) {
        st<-c(st,sample(c(12,17,24),1,prob=c(20,30,50)))
        p1<-c(p1,sample(c(12,17,24),1,prob=c(20,30,50)))
        p2<-c(p2,sample(c(12,17,24),1,prob=c(20,30,50)))    
        year <-c(year,years)
    }
        i<-i+1
}
Sys.time() - starttime

这大约需要8分钟才能在我的笔记本上运行。不出所料，我最终得到了4个向量，每个向量都有100,000个值。如何使用向量函数更快地完成此操作？

顺便说一句，如果我将上面的代码限制在1000个循环中，只需要2秒，但是10,000个循环需要8分钟。知道为什么吗？

Answer 1

显然，在我发布我的问题之前，我应该在这个问题上再工作一个小时。回想起来，这是很明显的。:)

为了使用R的向量逻辑，我去掉了循环，并将其替换为：

st <-   sample(c(12,17,24),10000,prob=c(20,30,50),replace=TRUE)
p1 <-   sample(c(12,17,24),10000,prob=c(20,30,50),replace=TRUE)
p2 <-   sample(c(12,17,24),10000,prob=c(20,30,50),replace=TRUE)
year <- rep(1991:2000,1000)

我现在几乎可以瞬间完成100,000个样本。我知道向量更快，但是该死的。我假设100,000个循环使用一个循环会花费一个多小时，而向量法只需要不到1秒。为了好玩，我让向量变成了一百万。它花了大约2秒才完成。由于我必须测试失败，我尝试了10 my，但在我的2 2GB笔记本电脑上耗尽了内存。我切换到我的Vista64桌面，使用6 6GB的内存，在17秒内创建了长度为10 my的向量。100 in使事情分崩离析，因为其中一个向量超过763mb，导致R的分配问题。

R中的向量对我来说是惊人的快。我想这就是为什么我是一个经济学家而不是一个计算机科学家。

Answer 2

为了回答你的问题，为什么10000的循环比你的1000循环花了更长的时间：

我认为主要的疑点是在每个循环中发生的连接。随着数据变长，R可能会将向量中的每个元素复制到一个新的向量中。复制一个小的(平均500个元素)数据集1000次是很快的。复制一个更大的(平均5,000个元素)数据集10000次会更慢。