Re: [問題] R的向量運算

[celestialgod (天)]

※ 引述《a78998042a (Benjimine)》之銘言：
: [問題類型]:
: 程式諮詢(我想用R 做某件事情，但是我不知道要怎麼用R 寫出來)
: [軟體熟悉度]:
: 使用者(已經有用R 做過不少作品)
: [問題敘述]:
: 我需要將程式向量化
: 使用迴圈、apply系列的函數太慢了
: 但不用apply又做不出來
: 想詢問大家的經驗
: [程式範例]:
: ###vactor的問題
: #我想將一個向量分別加上一個數字
: x = 1:3
: y = rep(0, 3)
: #我想得到類似下面結果，但不用apply, 不用迴圈的做法
: sapply(x, function(x) y + x, simplify = FALSE)
: [[1]]
: [1] 1 1 1
: [[2]]
: [1] 2 2 2
: [[3]]
: [1] 3 3 3


我猶豫了一下要怎麼回你XD

不過我覺得sapply, lapply夠快了，而且for也很好用

我寫了一個簡單的測試，我不認為這會是你程式速度的瓶頸：

PS: 相信你的y不是全部0，不然用mapply + rep最快

y <- 1:3e4
x <- 1:1e4

st <- proc.time()
z1 <- sweep(array(y, c(length(y), length(x))), 2, x, '+')
proc.time() - st
#   user  system elapsed
#   8.72    0.45    9.19

st <- proc.time()
z2 <- sapply(x, function(xi) y + xi)
proc.time() - st
#   user  system elapsed
#   3.32    0.48    3.83
all.equal(z1, z2) # TRUE

st <- proc.time()
z12 <- sweep(matrix(rep(y, length(x)), length(y)), 2, x, '+')
proc.time() - st
#   user  system elapsed
#   8.93    1.10   10.05
all.equal(z1, z12)

st <- proc.time()
z22 <- sapply(x, function(xi) y + xi, simplify = FALSE)
proc.time() - st
#   user  system elapsed
#   0.58    0.45    1.05

st <- proc.time()
z3 <- lapply(x, function(xi) y + xi)
proc.time() - st
#   user  system elapsed
#   0.53    0.17    0.70
all.equal(z22, z3) # TRUE

st <- proc.time()
z4 <- vector('list', length(x))
for (i in seq_along(x))
  z4[[i]] <- y + x[i]
proc.time() - st
#   user  system elapsed
#   0.61    0.04    0.65
all.equal(z4, z3) # TRUE

: ###array的問題
: #我想將array不同維度的物件，扣除不同數字
: temp.ar = array(matrix(0, 2, 3), c(2, 3, 2))
: #我想得到類似下面的結果
: sapply(1:2, function(x)temp.ar[,,x] + x,simplify = FALSE)
: [[1]]
:      [,1]  [,2]  [,3]
: [1,]    1     1     1
: [2,]    1     1     1
: [[2]]
:      [,1]  [,2]  [,3]
: [1,]    2     2     2
: [2,]    2     2     2
: #另一個問題是，sapply會將物件轉成list，增加後續處理上的難度
: #例如我無法直接對list取round
: #使用sapply的simplify又會將破壞結構，之後可能需要再重新架構
: #但如果結構是array就可以直接做一些函數運算
: #不知道大家有這方面的經驗可以分享嗎
: #謝謝!

arr <- array(0, c(2, 3, 1e4))
st <- proc.time()
z <- sweep(arr, 3, 1:1e4, '+')
proc.time() - st
#   user  system elapsed
#   0.00    0.02    0.02


--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.109.74.87
※ 文章網址: https://www.ptt.cc/bbs/R_Language/M.1458548400.A.66C.html
※ 編輯: celestialgod (140.109.74.87), 03/21/2016 16:44:54
推 a78998042a: 謝c大，我現在遇到的問題是，我需要將函數向量化
→ a78998042a: 那使用R內建的向量化函數，很難直接增加程式的效率
→ a78998042a: 那單一維度參數的向量化很容易，但多維度參數涉及許多
→ a78998042a: 陣列的使用技巧，我覺得我的問題是在對基本物件的不熟
→ a78998042a: 悉，遂想上來請教大家的經驗
→ a78998042a: 可能是長久依賴apply的關係，對於要怎麼快速運用基礎
→ a78998042a: 語法快速做到類似apply的事情，就沒有太多經驗
→ a78998042a: 一些情況下，讓R的apply幫助向量化是很沒有效益的
→ a78998042a: 我覺得apply是將所有情況考慮後，所做出的function
→ a78998042a: 他無法針對單一問題做到最佳化，所以就想上來請教各種
→ a78998042a: 基礎物件的語法撰寫計巧，可以幫助程式撰寫的效率這樣
我不知道你為什麼覺得有一定的基礎物件語法能夠幫助你提速

就以你提的第一例子來說，迴圈跟sapply/lapply就很夠用了

包成一個函數或是因此去寫一個c++ function並沒有太大的意義


如果你主要的對象都是矩陣或是陣列的話

那麼你依靠sapply系列函數並沒有什麼缺點

慢都會在BLAS的部分，而非R語法的問題

至於對行列運算的apply，都可以用sweep取代


其他加速方式還有使用多執行緒、用C++

在R上面，就我的認知而言，for跟sapply已經是很好用的工具了

剩下的是你對矩陣的熟悉度，去做manipulation，而非語法或是函數問題

這部分，你要有明確的例子，才有辦法給你一些建議
※ 編輯: celestialgod (140.109.73.232), 03/21/2016 20:18:43
推 JackBaska: 我其實看到覺得lapply跟sapply會慢也覺得很怪,通常是
→ JackBaska: Algorithm沒弄好或沒有充分運用到該用的型態
→ JackBaska: 不過for很慢是肯定的....可惜recursive有上限5,000
推 JackBaska: 如果現有的,stackoverflow找不到滿意的解,歡迎Rcpp一下