使用Purrr：：pmap 2或pmap避免for循环

Question

我正拼命避免for循环来计算自定义的财务指标(多只股票，每只股票5000行)。我正在尝试使用purrr::map2，在对现有向量进行数学计算时，这是很好的，但是我需要引用我试图创建的向量的滞后(以前)值。在不引用前一个值的情况下，purrr::map2可以正常工作：

some_function <- function(a, b) {   (a * b) + ((1 - a) * b)  }
a <- c(0.019, 0.026, 0.012, 0.022)  # some indicator
b <- c(15.5, 16.7, 14.8, 13.1)  # close price
purrr::map2(a, b, some_function)

，这只会导致原来的闭包值。

15.5, 16.7, 14.8, 13.1

但我真正想做的是创建一个新的向量(c)，作为计算的一部分，回顾它本身(滞后)。如果是第一行，则为c == b，否则：

desired_function <- function(a, b, c) {   (a * b) + ((1 - a) * lag(c))  } 

因此，我创建了一个向量c并填充并尝试：

c <- c(15.5, 0, 0, 0)
purrr::map2(a, b, c, desired_function)

得到所有的空值，很明显。

C的值应该是：15.50, 15.53, 15.52, 15.47

引用以前的值是指示器中常见的事情，它迫使我使用笨拙、缓慢的“for循环”。如有任何建议，将不胜感激。

Answer 1

如果在向量中计算某个值需要来自同一个向量的另一个值，那么它就不能被向量化；您必须一个接一个地计算它们。

For循环本身并不慢，而是如何使用它们。例如，从数据帧中一次检索一个值，或者一次插入一个值，这是一种非常慢的常见做法。

在过去的10年里，R中的for-循环的实现有了很大的改进，它们以前效率很低，在旧的帖子中，你会发现很多人都在抱怨它。

建议阅读：

https://www.r-bloggers.com/2018/06/why-loops-are-slow-in-r/

这两个老问题(嗯，他们的答案)：

Speed up the loop operation in R

Why are loops slow in R?

一个小小的实验

让我们对最简单的(最愚蠢的？)进行基准测试。函数的purrr::map()的for -循环实现：c = a*b + (1-a) * b

在这个包含1000万项的基准测试中，for-循环的速度是purrr::map2()的15倍以上。

# functions ---------------------------------------------------------------

desired_function <- function(a,b) { a*b + (1-a) * b }

des_fnc_for <- function(a, b) {
  c <- numeric(length(a))
  c[1] <- b[1]
  for(i in seq_along(a)) c[i] <- a[i] * b[i] + (1 - a[i]) * b[i]
  return(c)
}


# verify --------------------------------------------------------------------

a <- c(0.019, 0.026, 0.012, 0.022)  # some indicator
b <- c(15.5, 16.7, 14.8, 13.1)  # close price

unlist(purrr::map2(a,b,desired_function))

[1] 15.5 16.7 14.8 13.1

des_fnc_for(a,b)

[1] 15.5 16.7 14.8 13.1


# benchmark ---------------------------------------------------------------

a <- runif(10000000, 0.01, 0.03)
b <- runif(10000000, 13, 17)

system.time( des_fnc_for(a,b) )

   user  system elapsed 
  1.143   0.007   1.163 

system.time( purrr::map2(a,b,desired_function) )

   user  system elapsed 
 18.570   0.627  19.761 

Answer 2

这里有一些解决方案，第一种是使用stats::lag (使用stats::，因为dplyr包总是掩蔽lag!)，

r <- numeric(4L)
for (i in 1:4) {
  r[i] <- c[i + 1] <- a[i]*b[i] + (1 - a[i])*stats::lag(c)[i]
}
r
# [1] 15.50000 15.53120 15.52243 15.46913

另一个使用的是在每次迭代中更新的起始值，大约快20%。

r <- numeric(4L)
sval <- 15.5
for (i in 1:4) {
  r[i] <- sval <- a[i]*b[i] + (1 - a[i])*sval
}
r
# [1] 15.50000 15.53120 15.52243 15.46913

数据：

a <- c(0.019, 0.026, 0.012, 0.022)
b <- c(15.5, 16.7, 14.8, 13.1)
c <- c(15.5, 0, 0, 0)