R中循环的替代方案

可能重复：

我有几个关于循环的问题。我知道R在矢量化计算中工作得更快，我想修改下面的代码来利用这一点。在论坛上查看其他一些答案时，sapply函数似乎能够替换内部for循环，但我正在生成一个零向量，因此存在一个错误。陶仍然是1000，我认为这是造成问题的原因

我主要关心的是速度，因为我需要围绕整个算法创建一个循环，并以不同的V和n大小绘制曲线，以便进行进一步的分析

谢谢你的帮助

备选循环

tao=1000
L=（道-1）
n=10
V=5
I=10000
V_s=矩阵（形式（I），I，1）
V_b=矩阵（形式（I），I，1）
signal假设显式循环是正确的计算，请尝试以下操作：

 signal[j]<- signal[j] + 
              sapply((j-n+1):j, 
                   FUN = function(iter){ 
                           abs(V_s[iter] - V_b[iter])
                   }, V_s = V_s, V_b = V_b)

signal[j]矢量化计算并不总是意味着使用*apply函数

例如，您可以通过使用向量索引替换第二个For循环来简化和加速事情：

for(j in (n:L)){
  sel <- (j-n+1):j
  signal[j] <- sum(abs(V_s[sel] - V_b[sel])) / (n*V)
}

而对于
for
循环，它是：

utilisateur     système      écoulé 
       0.06        0.00        0.06 

顺便说一句，你不应该用
tao
这个名字来表示两种不同的东西。
使用过滤器，你甚至可以在没有任何循环的情况下进行计算（而
sapply
只不过是一个隐藏的循环）

这正是卷积滤波器所做的——将一些值相加——以一般形式乘以一些权重。作为权重，我们为所有值选择
1/（n*V）
，这与您在外部循环中执行的标准化相对应。最后一个参数，
sides=1
只是告诉过滤器只从过去获取值（
sides=2
意味着
sum（absdif[（j-n/2）：（j+n/2）]）
）

最后一行只填充开头的
NA
值（过滤器没有足够的数据来计算总和-这等于跳过第一个
n
值）

最后，一些时间安排：

您的完整循环解决方案：

   User      System       total 
  0.037       0.000       0.037 

朱巴问题的解决办法：

   User      System       total 
  0.007       0.000       0.008 

使用过滤器的解决方案：

   User      System       total 
  0.000       0.000       0.001 

请注意，过滤器的概念是非常好的研究，可以做得非常快

编辑：
如
？filter
中所述，R不使用标准
filter
命令的快速傅里叶变换。通常，FFT是实现卷积的最有效方法。但是，甚至可以通过将filter命令替换为

signal <- convolve(absdif[1:L], rep(1/(n*V), n), type='filter')

signal是否有理由使用矩阵而不是向量，而V_s、V_b和signal似乎只有一列？如果将
browser（）
放入for（tao）循环中，您将能够检查函数的内部工作，并查看发生了什么。@juba，我在后面的方法中使用了矩阵格式，但本质上是这样的，这是一个矢量。关于加速R代码的一般建议是：完全正确。矢量化几乎总能提高速度
*apply
函数很少使用。这大大缩短了处理时间，感谢您的帮助和输入。很好的解决方案，不知道如何使用
filter（）
+1，虽然filter也可能是一个伪装的循环…@PaulHiemstra可能，但似乎是一个非常有效的循环：）@Paul Well，矢量化始终只是一个隐藏的循环，但其间有不同的优化步骤。过滤器的优化水平应与
abs
操作符的优化水平相同。但是，在思考的同时，我们仍然可以做得更好。请稍后查看我的编辑。感谢您的回答，我运行了您的建议并收到了与预期不同的输出。我应该用两个for循环替换您的解决方案？
signal[j] <- sum(absdif[j-n+1:j])

   User      System       total 
  0.037       0.000       0.037 

   User      System       total 
  0.007       0.000       0.008 

   User      System       total 
  0.000       0.000       0.001 

signal <- convolve(absdif[1:L], rep(1/(n*V), n), type='filter')