Performance 为什么R中的循环速度慢？

我知道循环在

R

中的速度很慢，我应该尝试以矢量化的方式进行操作

但是，为什么？为什么循环速度慢而应用速度快

apply

调用几个子函数——这似乎并不快

更新：对不起，这个问题不合适。我把矢量化与应用相混淆。我的问题应该是

---

“为什么矢量化速度更快？”R中的循环速度慢，原因与任何解释语言的速度慢相同：每个 这次行动带来了很多额外的行李

查看（这是调用函数以调用 用户定义的函数）。它将近100行长，表演各种各样的音乐 操作——创建执行环境，将参数分配到 环境等等

想一想，当您在C中调用一个函数时，发生的情况会少多少（将args推到 堆栈、跳转、弹出参数）

这就是为什么会有这样的时间安排（正如joran在评论中指出的， 它不是真正的

apply

，而是

mean

这很快。

apply

只是普通的旧R代码）：

使用循环：0.342秒：

system.time({
    Sum = 0
    for (i in seq_along(A)) {
        Sum = Sum + A[[i]]
    }
    Sum
})

使用总和：不可测量的小：

sum(A)

这有点令人不安，因为，渐进地，这个循环同样好 作为总和；没有实际理由认为它应该是缓慢的；它只是做得更多 每次迭代都需要额外的工作

因此，请考虑：

# 0.370 seconds
system.time({
    I = 0
    while (I < 100000) {
        10
        I = I + 1
    }
})

# 0.743 seconds -- double the time just adding parentheses
system.time({
    I = 0
    while (I < 100000) {
        ((((((((((10))))))))))
        I = I + 1
    }
})

---

或者，一般来说，解释操作（在任何语言中）有更多的步骤。当然，这些步骤也有好处：你不能做到这一点。

（

C中的技巧。

循环并不总是很慢，

应用

也很快。下面是一个很好的讨论：

Uwe Ligges和John Fox.R帮助台：我如何避免这种循环或 让它更快？R新闻，8（1）：46-502008年5月

在“循环”部分（从第48页开始），他们说：

许多关于R的评论指出，使用循环是一个特别糟糕的主意。这不一定是真的。在某些情况下，编写矢量化代码很困难，或者矢量化代码可能会消耗大量内存

他们进一步建议：

• 在循环之前将新对象初始化为完整长度，而不是 而不是在循环中增加它们的大小。
• 不要在循环中做事情 可以在循环之外完成的循环。
• 不要简单地避免循环 为了避免循环。

---

他们有一个简单的例子，其中一个

for

循环需要1.3秒，但是

apply

内存不足。

对提出的问题的唯一答案是：如果需要在一组数据上迭代执行某个函数，并且该函数或操作没有矢量化，那么循环并不慢。

for（）

循环通常与

apply（）

一样快，但可能比

lappy（）

调用慢一点。最后一点在本文中已详细介绍，例如，如果设置和操作循环所涉及的代码是循环整体计算负担的重要部分，则适用

为什么许多人认为

for（）

循环很慢，是因为用户编写的代码不好，如果您需要扩展/增长对象，这也将涉及到复制，因此您将同时承担复制和增长对象的开销。这不仅限于循环，而且如果您在循环的每次迭代中复制/增长，当然，循环将变慢，因为您将执行许多复制/增长操作

在R中使用

for（）

循环的一般习惯用法是，在循环开始之前分配所需的存储，然后填充这样分配的对象。如果遵循该习惯用法，循环不会变慢。这是

apply（）

为您管理的，但它只是隐藏在视图之外

当然，如果使用

for（）

循环实现的操作存在一个向量化函数，不要这样做。同样地，如果存在向量化函数，也不要使用

apply（）

等（例如

apply（foo，2，mean）

最好通过

colMeans（foo）

）.

作为比较（不要读太多！）：我在R中运行了一个（非常）简单的for循环，在Chrome和IE 8中运行了JavaScript。 请注意，Chrome会编译本机代码，而带有编译器包的R会编译成字节码

# In R 2.13.1, this took 500 ms
f <- function() { sum<-0.5; for(i in 1:1000000) sum<-sum+i; sum }
system.time( f() )

# And the compiled version took 130 ms
library(compiler)
g <- cmpfun(f)
system.time( g() )

#在R2.13.1中，这需要500毫秒
f我的印象是R中的“应用比for循环快得多”有点a。让答案中的
系统。时间
战争开始吧…这里有很多关于这个主题的好信息：作为记录：应用不是矢量化。应用是一个不同的循环结构（如：否）副作用。请参阅讨论@Chase链接到S中的.Loops（S-Plus？）传统上我们的速度很慢。这与R不同；因此，你的问题并不相关。我不知道S-Plus现在的情况如何。我不清楚为什么这个问题被否决了——这个问题在其他地区来到R的人中很常见，应该添加到FAQ中。那么，S-Plus的目的是什么最后一个例子？不要在R中做愚蠢的事情，并期望它能很快完成它们？@Chase我想这是一种说法。是的，我的意思是像C这样的语言与嵌套括号没有速度差异，但R不会优化或编译。还有（），或者{}在循环体中——所有这些事情都涉及到名称查找。或者一般来说，在R中，当你写得更多时，解释器做得更多。我不确定你想用
for（）
循环说明什么？它们根本没有做同样的事情。
for（）
循环在
A
的每个元素上迭代并求和。
apply（）
调用传递整个向量
A[，1]<
> `(` = function(x) 2
> (3)
[1] 2

# In R 2.13.1, this took 500 ms
f <- function() { sum<-0.5; for(i in 1:1000000) sum<-sum+i; sum }
system.time( f() )

# And the compiled version took 130 ms
library(compiler)
g <- cmpfun(f)
system.time( g() )

// In IE8, this took 282 ms
// In Chrome 14.0, this took 4 ms
function f() {
    var sum = 0.5;
    for(i=1; i<=1000000; ++i) sum = sum + i;
    return sum;
}

var start = new Date().getTime();
f();
time = new Date().getTime() - start;