使用sapply与for有效地写入预分配的数据结构

Question

假设我有一个预先分配的数据结构,为了性能而不是随着时间的推移增长数据结构.首先,我尝试使用sapply:

set.seed(1)
count <- 5
pre <- numeric(count)

sapply(1:count, function(i) {
  pre[i] <- rnorm(1)
})
pre
# [1] 0 0 0 0 0


for(i in 1:count) {
  pre[i] <- rnorm(1)
}
pre
# [1] -0.8204684  0.4874291  0.7383247  0.5757814 -0.3053884

我假设这是因为匿名函数in sapply在不同的范围内(或者它是R？中的环境),因此pre对象不一样.for循环存在于相同的范围/环境中,因此它按预期工作.

我一般都试图采用R机制进行迭代,使用apply函数和for,但我在这里看不到解决方法.有什么不同我应该做的或这种类型的操作更好的习惯用法？

如上所述,我的例子非常人为,我对正常的偏差不感兴趣.相反,我的实际代码是处理4列150万行数据帧.以前我依靠增长和合并来获得最终的数据帧,并决定尝试避免合并并根据基准测试进行预分配.

Answer 1

sapply并不意味着像这样使用.它已经预先分配了结果.

无论如何,for循环不太可能是性能缓慢的源头; 这可能是因为你反复对data.frame进行子集化.例如:

set.seed(21)
N <- 1e4
d <- data.frame(n=1:N, s=sample(letters, N, TRUE))
l <- as.list(d)
set.seed(21)
system.time(for(i in 1:N) { d$n[i] <- rnorm(1); d$s <- sample(letters,1) })
#   user  system elapsed 
#   6.12    0.00    6.17 
set.seed(21)
system.time(for(i in 1:N) { l$n[i] <- rnorm(1); l$s <- sample(letters,1) })
#   user  system elapsed 
#   0.14    0.00    0.14 
D <- as.data.frame(l, stringsAsFactors=FALSE)
identical(d,D)
# [1] TRUE

所以你应该遍历各个向量并在循环之后将它们组合成一个data.frame .

Answer 2

是的，您本质上是在更改pre匿名函数本地的 a ，该函数本身将返回最后一次评估的结果（长度为 1 的向量），因此sapply()返回正确的解作为向量（因为它累积了各个长度为 1 的向量）但它不会改变pre全局工作区中的。

您可以使用<<-运算符来解决此问题：

set.seed(1)
count <- 5
pre <- numeric(count)

sapply(1:count, function(i) {
  pre[i] <<- rnorm(1)
})
> pre
[1] -0.6264538  0.1836433 -0.8356286  1.5952808  0.3295078

情况已经改变pre，但我会出于各种原因避免这样做。

pre在这种情况下，我认为预分配不会有太多好处sapply()。

而且，对于这个例子来说，两者的效率都非常低。只需rnorm()生成count随机数即可。但我想这个例子只是为了说明这一点？