Performance 如何用每个data.frame行作用数千次的矢量化替换for循环？

关于R和更重要的矢量化，我还没有完全弄清楚如何加速下面的代码

for循环通过对每个种子应用随机概率，计算具有不同种子生成植物密度的多个路段落在道路上的种子数。 由于我的实际数据帧有大约200k行，种子数高达300k/段，在我当前的机器上使用下面的示例需要几个小时

#Example data.frame
df <- data.frame(Density=c(0,0,0,3,0,120,300,120,0,0))
#Example SeedRain vector
SeedRainDists <- c(7.72,-43.11,16.80,-9.04,1.22,0.70,16.48,75.06,42.64,-5.50)

#Calculating the number of seeds from plant densities
df$Seeds <- df$Density * 500

#Applying a probability of reaching the road for every seed
df$SeedsOnRoad <- apply(as.matrix(df$Seeds),1,function(x){
    SeedsOut <- 0
    if(x>0){
        #Summing up the number of seeds reaching a certain distance
        for(i in 1:x){
            SeedsOut <- SeedsOut +
                ifelse(sample(SeedRainDists,1,replace=T)>40,1,0)
        }
    }
    return(SeedsOut)
})

#示例data.frame
df这应该做相同的模拟：

df$SeedsOnRoad2 <- sapply(df$Seeds,function(x){
  rbinom(1,x,0.6)
})



#   Density  Seeds SeedsOnRoad SeedsOnRoad2
#1        0      0           0            0
#2        0      0           0            0
#3        0      0           0            0
#4        3   1500         892          877
#5        0      0           0            0
#6      120  60000       36048        36158
#7      300 150000       90031        89875
#8      120  60000       35985        35773
#9        0      0           0            0
#10       0      0           0            0

df$SeedsOnRoad2一个选项是为每行
df
的所有
种子生成
sample（）

在获得基于循环的代码之前，使用
set.seed（1）
：

> df
   Density  Seeds SeedsOnRoad
1        0      0           0
2        0      0           0
3        0      0           0
4        3   1500         289
5        0      0           0
6      120  60000       12044
7      300 150000       29984
8      120  60000       12079
9        0      0           0
10       0      0           0

如果我这样做，我会在很短的时间内得到相同的答案：

set.seed(1)
tmp <- sapply(df$Seeds, 
              function(x) sum(sample(SeedRainDists, x, replace = TRUE) > 40)))

> tmp
 [1]     0     0     0   289     0 12044 29984 12079     0     0


注意，在任何数学函数中，R都将逻辑视为数字
0
s或
1
s。因此

sum(ifelse(sample(SeedRainDists, 100, replace=TRUE)>40,1,0))

及

如果使用相同的
set.seed（）
运行，将给出相同的结果

可能有一种更奇特的采样方法，它需要更少的调用
sample（）
（还有，
sample（SeedRainDists，sum（Seeds），replace=TRUE）>40
，但是您需要注意为
df
的每一行选择该向量的正确元素-不难，只是有点麻烦），但是我展示的可能足够有效了？
（+1）
rbinom（…，0.6）
非常好的捕获谢谢你的快速回复，不得不稍微更新一下问题；我从您的回答中得出的结论是，最好根据概率（当前存储为向量）定义一个函数，并像您使用
rbinom
@sir_husefugg那样应用该函数，这是完全正确的。在任何模拟中，您都希望生成输入数据，而不是从数据池中采样。生成数据（并使输出与观察到的数据一致）表明，您有一个强大的理论框架来描述您的系统，并为外推场景增加了有效性。
rbinom
已经矢量化了wrt
size
：sapply
是unnecessary@hadley看了看医生，试了试。我认为你错了。一个小插曲：在
中，如果（x>0）
，
x
是一个向量，那么这可能不是你想要的。另外，如果您的所有数据都是数字，那么在处理性能问题时，坚持使用矩阵而不是数据帧通常是一个好主意。@joran
x
不会是一个向量，因为整个输入是一列矩阵，
apply（）
在行上运行。@GavinSimpson啊，谢谢。我读得太快了。太棒了，也有点丢脸，非常感谢。我从来没有想过要把样本的数量与种子的总数相匹配。一旦我的头脑清醒了一点，我会尝试研究你的“麻烦”解决方案，因为现在你提供的解释肯定很有帮助。干得好
SeedsOut <- numeric(length = x)
for(i in seq_len(x)) {
  SeedsOut[i] <- ifelse(sample(SeedRainDists,1,replace=TRUE)>40,1,0)
}
sum(SeedOut)

sum(ifelse(sample(SeedRainDists, 100, replace=TRUE)>40,1,0))

sum(sample(SeedRainDists, 100, replace=TRUE)>40)