R中t分布的矢量化

我需要在

R

的

rt

t分布采样器中对非中心性参数进行矢量化。然而，当我给出：

rt(2, df = 1, ncp = c(1,2))

我明白了

Warning message:
In if (is.na(ncp)) { :
  the condition has length > 1 and only the first element will be used

其他函数，如

rbinom

或

rgama

没有类似的问题（即

rbinom

中的

prob

参数可以像

rgama

的比例参数一样进行矢量化）

---

有没有办法做到这一点（没有循环）？

您可以使用

sapply

：

sapply( 1:3, function(x) rt(2, df = 1, ncp = x) )
#            [,1]     [,2]     [,3]
# [1,]  0.3881308 1.905535 1.781836
# [2,] -0.7950962 2.905824 1.633683

---

结果矩阵中的每一列对应于不同的

ncp

值。您可以使用

sapply

：

sapply( 1:3, function(x) rt(2, df = 1, ncp = x) )
#            [,1]     [,2]     [,3]
# [1,]  0.3881308 1.905535 1.781836
# [2,] -0.7950962 2.905824 1.633683

---

结果矩阵中的每列对应于不同的

ncp

值。您可以使用性能类似的

lappy

、

sapply

或

vapply

Lappy

和

vapply

比

sapply

快一点，因为

sapply

是

Lappy

的包装，它试图使结果更漂亮/更简单

microbenchmark::microbenchmark(
  vapply(c(1,2, 3), function(x) rt(2, df = 1, ncp=x), numeric(2L)),
  sapply( 1:3, function(x) rt(2, df = 1, ncp = x) ),
  lapply( 1:3, function(x) rt(2, df = 1, ncp = x) ),
  vec.rt(2, df=1, ncp=1:3))

#Unit: microseconds
#  expr    min       lq      mean   median       uq      max neval cld
#vapply 27.121  37.6095  51.61055  39.8825  42.4570 1226.199   100  a 
#sapply 51.438  58.1725  72.89417  60.9150  63.4850 1255.270   100  ab
#lapply 29.484  34.0670  59.78256  36.8160  39.0755 2326.401   100  ab
#vec.rt 95.511 101.6985 106.15785 105.0770 108.2700  189.312   100   b

---

您可以使用性能类似的

lappy

、

sapply

或

vapply

Lappy

和

vapply

比

sapply

快一点，因为

sapply

是

Lappy

的包装，它试图使结果更漂亮/更简单

microbenchmark::microbenchmark(
  vapply(c(1,2, 3), function(x) rt(2, df = 1, ncp=x), numeric(2L)),
  sapply( 1:3, function(x) rt(2, df = 1, ncp = x) ),
  lapply( 1:3, function(x) rt(2, df = 1, ncp = x) ),
  vec.rt(2, df=1, ncp=1:3))

#Unit: microseconds
#  expr    min       lq      mean   median       uq      max neval cld
#vapply 27.121  37.6095  51.61055  39.8825  42.4570 1226.199   100  a 
#sapply 51.438  58.1725  72.89417  60.9150  63.4850 1255.270   100  ab
#lapply 29.484  34.0670  59.78256  36.8160  39.0755 2326.401   100  ab
#vec.rt 95.511 101.6985 106.15785 105.0770 108.2700  189.312   100   b

---

另一个选项是使用

Vectorize

创建伪矢量化函数。例如，要针对

ncp

参数对

rt

进行矢量化，可以执行以下操作：

vec.rt <- Vectorize(rt, "ncp")

---

请注意，这并没有为您提供真正的矢量化函数，也不会

sapply

或

lappy

。所有这些函数都在内部使用循环，因此与干净编写的

for

构造相比，您不会注意到任何性能提高。

另一个选项是使用

向量化创建伪向量化函数。例如，要针对
ncp
参数对
rt
进行矢量化，可以执行以下操作：

vec.rt <- Vectorize(rt, "ncp")

请注意，这并没有为您提供真正的矢量化函数，也不会
sapply
或
lappy
。所有这些函数都在内部使用循环，因此与干净编写的
for
构造相比，您不会注意到任何性能提高。
感谢您的比较！需要记住的一点是，
sapply
是
lappy
的包装器，并且有一个额外的简化步骤，将输出转换为矩阵，这会增加其运行时间。感谢您的比较！需要记住的一点是，
sapply
是
lappy
的包装器，并且有一个额外的简化步骤，将输出转换为矩阵，这会增加其运行时间。