我在R中有一个循环，它很慢（但可以）。目前，此计算在我的笔记本电脑上大约需要3分钟，我认为它可以改进。最终，我将遍历许多基于此代码结果运行计算的数据文件，并且我希望尽可能使当前代码更快。
基本上，对于每个日期，对于11个不同的X值，循环都会获取最近X年的降雨值（Y），找到线性反权重（Z），以便最古老的降雨值的加权最小，是雨的倍数（Y）和权重（Z）以获得向量A，然后将A的总和作为最终结果。这完成了数千个日期。
但是，我想不出任何办法或以任何方式寻求建议，以使其在R中更快，因此我尝试在Rcpp中重写它，但我对此知之甚少。我的Rcpp代码没有完全复制R代码，因为结果矩阵与应有的矩阵不同（错误）（out1 vs out2；我知道out1是正确的）。似乎Rcpp代码更快，但是我只能使用几列进行测试，因为如果我尝试运行所有11列（i <= 10），它就会开始崩溃（RStudio中的致命错误）。
我正在寻找有关如何改进R代码和/或更正Rcpp代码以提供正确结果而不会在过程中崩溃的反馈。
（尽管我下面发布的代码未显示出来，但数据仍以[作为数据框的形式]加载到R中，用于在所示代码之外进行的一些计算。对于此处显示的特定计算，仅列使用了数据帧中的2个。）
数据文件位于以下位置：https : //drive.google.com/file/d/0Bw_Ca37oxVmJekFBR2t4eDdKeGM/view?usp=sharing
尝试R
library(readxl)
library(readxl)
library(Rcpp)
file = data.frame(read_excel("lake.xlsx", trim_ws=T)
col_types=c("date","numeric","numeric","date",rep("numeric",4),"text")))
file[,1] = as.Date(file[,1], "%Y/%m/%d", tz="UTC")
file[,4] = as.Date(file[,4], "%Y/%m/%d", tz="UTC")
rainSUM = function(df){
rainsum = data.frame("6m"=as.numeric(), "1yr"=as.numeric(), "2yr"=as.numeric(), "3yr"=as.numeric(), "4yr"=as.numeric(), "5yr"=as.numeric(), "6yr"=as.numeric(), "7yr"=as.numeric(), "8yr"=as.numeric(), "9yr"=as.numeric(), "10yr"=as.numeric()) # create dataframe for storing the sum of weighted last d values
Tdays <- length(df[,1])
for(i in 1:11) { # loop through the lags
if (i==1) {
d <- 183 # 6 …