schnelle Möglichkeit in R, zwei verschachtelte Schleifen zu tun

Question

Ich muss den Unterschied zwischen zwei beliebigen Elementen von zwei Vektor nehmen. Wenn A<-c(1,2) und B<-c(3,4) dann sollte mein Ergebnis Rc(3-1,3-2,4-1,4-2) sein.

Mit diesem Code-Schnipsel

myfunction <- function(N) 
{ 
    A = runif(N) 
    B = runif(N) 
    R = c() 
    for(a in A){ 
    for(b in B){ 
     R=c(b-a,R) 
    } 
    } 
    R 
} 
print(system.time(result <- myfunction(300))) 

ich diesmal

user system elapsed 
    14.27 0.01 14.39 

Gibt es einen schnelleren Weg, es zu tun?

Answer 1

Die schnellste Basislösung die Verwendung von outer ist:

as.vector(outer(B,A,"-")) 

Zu meiner eigenen Überraschung, map2_dbl ist eigentlich ziemlich viel schneller als outer:

Nicht zu meiner Überraschung, map2_dbl scheint schneller , aber das liegt daran, dass nicht jede Kombination der Werte in A und B berechnet wird:

 test elapsed relative 
3 CP(A, B) 7.54 47.125 # using expand.grid 
2 JL(A, B) 0.16 1.000 # using map2_dbl 
1 JM(A, B) 3.13 19.563 # using outer 

Aber:

> A <- 1:3 
> B <- 3:1 
> JL(A,B) 
[1] -2 0 2 
> JM(A,B) 
[1] 2 1 0 1 0 -1 0 -1 -2 

Dies ist für zwei Vektoren der Länge 1000 und mit 100 Replikationen. Ich habe nicht Ihre eigene Lösung enthalten, da, dass man aus zwei Gründen unglaublich langsam ist:

• for Schleifen in R sind um einiges schneller als in den alten Tagen, aber immer noch nicht so optimal wie Funktionen verwenden, die ihre Schleifen codiert in C oder gleichwertig. Das ist der Fall für die Funktionen, die hier im getesteten Code verwendet werden.
• "wachsen" Sie Ihr Ergebnisobjekt. Jede Schleife durch den Code, die R wird einen Wert größer, so dass R nach einem neuen Platz im Speicher suchen muss, um es zu speichern. Das ist der größte Engpass in Ihrem Code.Versuchen Sie, diese Art von Konstrukt um jeden Preis zu vermeiden, weil es eine der wichtigsten Ursachen für schrecklich langsamen Code ist.

Der Benchmark-Code:

library(tidyverse) 

JM <- function(A,B){ 
    as.vector(outer(B,A,"-")) 
} 

JL <- function(A,B){ 
    map2_dbl(.x = A, 
      .y = B, 
      .f = ~ c(.x - .y)) 
} 

CP <- function(A,B){ 
    as.data.frame(expand.grid(A,B)) %>% 
    mutate(Var3 = Var2-Var1) 
} 

library(rbenchmark) 

A <- runif(1000) 
B <- runif(1000) 

benchmark(JM(A,B), 
      JL(A,B), 
      CP(A,B), 
      replications = 100, 
      columns = c("test","elapsed","relative")) 

Answer 2

Mit purrr::map2:

library(tidyverse) 

N = 300 
A = runif(N) 
B = runif(N) 
R = c() 

print(
    system.time(
    result <- map(
     .x = A, 
     .f = ~ c(.x - B)) %>% unlist 
) 
) 

Zeit genommen:

user system elapsed 
0.02  0 0.02 

Wenn ich nun Ihre Aufmerksamkeit bekam Besuche this repo für einen schönen Spaziergang durch purrr.

Answer 3

Sie können expand.grid verwenden den Ansatz vektorisieren:

A <- runif(300) 
B <- runif(300) 

library(dplyr) 
R <- as.data.frame(expand.grid(A,B)) %>% 
     mutate(Var3 = Var2-Var1) 

Die ersten 5 Zeilen der Ausgabe:

 Var1  Var2   Var3 
1 0.8516676 0.325261 -0.5264066246 
2 0.2126453 0.325261 0.1126156694 
3 0.5394620 0.325261 -0.2142010126 
4 0.1364876 0.325261 0.1887734290 
5 0.3248651 0.325261 0.0003958747 

Dies geschah:

user system elapsed 
0.02 0.00 0.02 

Ihre Funktion hat:

user system elapsed 
42.39 0.43 42.90