R -nested循环

Question

我正在尝试写一个代码来模拟大小为4*16*10的3D数组，其中每个单元包含10*10个矩阵

到目前为止，我已经嵌套了for循环，但是它们非常慢。我想用apply或mapply函数替换它们。

M=10
N=10
c=2
n=seq(1, 4, by=1)
p=0.25
q=seq(1,0.25, by =-0.05)
ntrials = 10




for (i in 1:length(n)){
  for (j in 1:length(q)){
    for (k in 1:ntrials){
      plant_subm=matrix_plantsubm(M,N,c,n,p,q)

}
}
}

这里，matrix_plantsubm是一个生成10*10矩阵的函数。我需要为n和q中的每一个选择获取矩阵，并重复此操作10次。

我是R的新手，不知道如何改进我的代码。任何帮助都是非常感谢的。

Answer 1

数据(OP)

M=10
N=10
c=2
n=seq(1, 4, by=1)
p=0.25
q=seq(1,0.25, by =-0.05)
ntrials = 10

创建参数，通过pmap传递给函数

这将创建所需的所有值组合

params <- expand.grid(
  trial = 1:10,
  M = M,
  N = N,
  c = c,
  n = n,
  p = p,
  q = q
) %>%
  as_tibble()

View(params)

# > nrow(params)
# [1] 640

# replace with your own, of course
my_madeup_function <-
  function(M, N, c, n, p, q) {
    matrix(data = rep(M * N + c - n * p * q, 100),
           nrow = 10,
           ncol = 10)
  }

# we use `purrr::pmap`, an apply-type function to pass all of the parameters (except for trials) to the function:

result <- tibble(matrix = pmap(select(params, -trial), my_madeup_function))

将参数和结果绑定到一个很好的摘要中：

summary <- bind_cols(params, result)

让我们来看看结果：

    > summary
# A tibble: 640 x 8
   trial     M     N     c     n     p     q matrix              
   <int> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <list>              
 1     1    10    10     2     1  0.25     1 <dbl[,10] [10 x 10]>
 2     2    10    10     2     1  0.25     1 <dbl[,10] [10 x 10]>
 3     3    10    10     2     1  0.25     1 <dbl[,10] [10 x 10]>
 4     4    10    10     2     1  0.25     1 <dbl[,10] [10 x 10]>
 5     5    10    10     2     1  0.25     1 <dbl[,10] [10 x 10]>
 6     6    10    10     2     1  0.25     1 <dbl[,10] [10 x 10]>
 7     7    10    10     2     1  0.25     1 <dbl[,10] [10 x 10]>
 8     8    10    10     2     1  0.25     1 <dbl[,10] [10 x 10]>
 9     9    10    10     2     1  0.25     1 <dbl[,10] [10 x 10]>
10    10    10    10     2     1  0.25     1 <dbl[,10] [10 x 10]>
# ... with 630 more rows

我们可以选择一个特定的类型，如下所示：

summary %>%
  filter(trial == 8, n == 2, q == 0.5) %>%
  .$matrix %>% 
  .[[1]]

在我的机器上，microbenchmark::microbenchmark报告的运行时间大约是7ms，但这是我的“虚拟”函数。希望你的函数也能运行的很快。祝好运。