如何在R中为Monte Carlo创建更高效的模拟循环

本练习的目的是创建营养摄入值的人口分布。先前的数据中有重复的度量，这些度量已被删除，因此每一行在数据框中都是唯一的人

我有这段代码，当使用少量数据帧行进行测试时，它运行得非常好。对于所有7135行，速度都非常慢。我试图计时，但当我的机器运行时间超过15小时时，我崩溃了。

system.time

结果是

计时停止在：55625.08 2985.39 58673.87

如果您对加快模拟速度有任何意见，我将不胜感激：

Male.MC <-c()
for (j in 1:100)            {
for (i in 1:nrow(Male.Distrib))  {
    u2        <- Male.Distrib$stddev_u2[i] * rnorm(1, mean = 0, sd = 1)
    mc_bca    <- Male.Distrib$FixedEff[i] + u2
    temp      <- Lambda.Value*mc_bca+1
    ginv_a    <- temp^(1/Lambda.Value)
    d2ginv_a  <- max(0,(1-Lambda.Value)*temp^(1/Lambda.Value-2))
    mc_amount <- ginv_a + d2ginv_a * Male.Resid.Var / 2
z <- data.frame(
     RespondentID = Male.Distrib$RespondentID[i], 
     Subgroup     = Male.Distrib$Subgroup[i], 
     mc_amount    = mc_amount,
     IndvWeight   = Male.Distrib$INDWTS[i]/100
     )

Male.MC <- as.data.frame(rbind(Male.MC,z))
    }
}

头部（男性发行版）

为

'data.frame':   7135 obs. of  14 variables:
 $ RndmEff     : num  1.34 -5.86 -3.65 2.7 3.53 ...
 $ RespondentID: num  9966 9967 9970 9972 9974 ...
 $ Subgroup    : Ord.factor w/ 6 levels "3"<"4"<"5"<"6"<..: 4 3 2 4 1 4 2 5 1 2 ...
 $ RespondentID: int  9966 9967 9970 9972 9974 9976 9978 9979 9982 9993 ...
 $ Replicates  : num  41067 2322 17434 21723 375 ...
 $ IntakeAmt   : num  33.45 2.53 9.58 43.34 55.66 ...
 $ RACE        : int  2 3 2 2 3 2 2 2 2 1 ...
 $ INDWTS      : num  41067 2322 17434 21723 375 ...
 $ TOTWTS      : num  1.21e+08 1.21e+08 1.21e+08 1.21e+08 1.21e+08 ...
 $ GRPWTS      : num  41657878 22715139 10520535 41657878 10791729 ...
 $ NUMSUBJECTS : int  1466 1100 1424 1466 1061 1466 1424 1252 1061 1424 ...
 $ TOTSUBJECTS : int  7135 7135 7135 7135 7135 7135 7135 7135 7135 7135 ...
 $ FixedEff    : num  6.09 6.76 7.08 6.09 6.18 ...
 $ stddev_u2   : num  2.65 2.65 2.65 2.65 2.65 ...

    RndmEff RespondentID Subgroup RespondentID Replicates IntakeAmt RACE INDWTS    TOTWTS   GRPWTS NUMSUBJECTS TOTSUBJECTS  FixedEff stddev_u2
1  1.343753         9966        6         9966      41067 33.449808    2  41067 120622201 41657878        1466        7135  6.089918  2.645938
2 -5.856516         9967        5         9967       2322  2.533528    3   2322 120622201 22715139        1100        7135  6.755664  2.645938
3 -3.648339         9970        4         9970      17434  9.575439    2  17434 120622201 10520535        1424        7135  7.079757  2.645938
4  2.697533         9972        6         9972      21723 43.340180    2  21723 120622201 41657878        1466        7135  6.089918  2.645938
5  3.531878         9974        3         9974        375 55.660607    3    375 120622201 10791729        1061        7135  6.176319  2.645938
6  6.627767         9976        6         9976      48889 91.480049    2  48889 120622201 41657878        1466        7135  6.089918  2.645938

更新2：导致

NaN

结果的函数行为

d2ginv_a  <- max(0,(1-Lambda.Value)*temp^(1/Lambda.Value-2))

但将该值作为值输入，然后运行相同的（？）计算会得到一个结果，因此在进行手动计算时，我忽略了这一点：

> -2.103819^(1/Lambda.Value) 
[1] -6.419792

---

我现在有了（我认为）使用矢量化的工作代码，而且速度非常快。为了防止其他人有这个问题，我在下面发布了工作代码。我必须添加一个最小值来防止，这里有一个方法可以解决两个最大的速度问题：

我们不是循环观察（

i

），而是一次计算它们

我们使用

replicate

，这是一种简化的

apply

，而不是在MC复制（

j

）上循环

首先，我们加载数据集并为您正在做的事情定义一个函数

Male.Distrib = read.table('MaleDistrib.txt', check.names=F)

getMC <- function(df, Lambda.Value=0.4, Male.Resid.Var=12.1029420429778) {
  u2        <- df$stddev_u2 * rnorm(nrow(df), mean = 0, sd = 1)
  mc_bca    <- df$FixedEff + u2
  temp      <- Lambda.Value*mc_bca+1
  ginv_a    <- temp^(1/Lambda.Value)
  d2ginv_a  <- max(0,(1-Lambda.Value)*temp^(1/Lambda.Value-2))
  mc_amount <- ginv_a + d2ginv_a * Male.Resid.Var / 2
  mc_amount
}

---

然后可以重新格式化、添加ID等，但这是主要计算部分的想法。祝你好运

我怀疑这将减少到一个使用

replicate

和矩阵+数组数学一次完成所有观察的一行程序。不过，您能否发布一个可复制的小示例，以便我们能给您提供更具体的建议？使用

rbind（）

来增长对象非常昂贵。您可以更好地在开始时创建一个emtpy数据帧（例如，用虚拟变量填充它）并将其填充到循环中。除了@SachaEpskamp所说的，不需要内部循环。您使用的所有函数都是矢量化的；好好利用这一点。我同意@JohnColby。我认为从“boot”包中复制或

boot

都可以完成这项工作，并且可能比您现在所做的更加有效。根据您希望

max（0，…）

做什么，您可以使用

max（0，…，na.rm=TRUE）

或单独测试

（1-Lambda.Value）

和

temp

组件。谢谢John，这看起来确实是一个不错的选择，但是我得到了每个复制的

NaN

结果，我不知道为什么。它在测试数据上运行良好，但在整个数据帧上运行时失败。请注意，用

replicate

替换外部循环是一种装饰性的做法，没有速度增益。速度增益来自于避免

rbind

和元素操作。其中唯一能明显给出

NaN

结果的操作是将负数（

temp

）提高到分数幂（

1/Lambda.Value

，

1/Lambda.Value-2

）。Post

summary

来自

Male.Distrib

的结果？哎呀，你确实发布了

str

（与

summary

一样好）。你的标准差是2.65，所以你可以期望

u2

定期下降到-5或-6，这可能会使

mc_bca

@BenBolker有一个很好的提示！我自己从来没有调查过。

Min_bca <- ((.5*min(Male.AddSugar$IntakeAmt))^Lambda.Value-1)/Lambda.Value
Test <- Male.Distrib[rep(seq.int(1,nrow(Male.Distrib)), 100), 1:ncol(Male.Distrib)]
RnormOutput <- rnorm(nrow(Test),0,1)
Male.Final <- cbind(Test,RnormOutput)
Male.Final$mc_bca    <- Male.Final$FixedEff + (Male.Final$stddev_u2 *     Male.Final$RnormOutput)
Male.Final$temp      <- ifelse(Lambda.Value*Male.Final$mc_bca+1 > Lambda.Value*Min_bca+1,
                           Lambda.Value*Male.Final$mc_bca+1, Lambda.Value*Min_bca+1)
Male.Final$ginv_a    <- Male.Final$temp^(1/Lambda.Value)
Male.Final$d2ginv_a  <- ifelse(0 > (1-Lambda.Value)*Male.Final$temp^(1/Lambda.Value-2),
                           0, (1-Lambda.Value)*Male.Final$temp^(1/Lambda.Value-2))
Male.Final$mc_amount <- Male.Final$ginv_a + Male.Final$d2ginv_a * Male.Resid.Var / 2

Male.Distrib = read.table('MaleDistrib.txt', check.names=F)

getMC <- function(df, Lambda.Value=0.4, Male.Resid.Var=12.1029420429778) {
  u2        <- df$stddev_u2 * rnorm(nrow(df), mean = 0, sd = 1)
  mc_bca    <- df$FixedEff + u2
  temp      <- Lambda.Value*mc_bca+1
  ginv_a    <- temp^(1/Lambda.Value)
  d2ginv_a  <- max(0,(1-Lambda.Value)*temp^(1/Lambda.Value-2))
  mc_amount <- ginv_a + d2ginv_a * Male.Resid.Var / 2
  mc_amount
}

> replicate(10, getMC(Male.Distrib))
         [,1]      [,2]     [,3]     [,4]      [,5]     [,6]     [,7]     [,8]     [,9]    [,10]
[1,] 36.72374 44.491777 55.19637 23.53442 23.260609 49.56022 31.90657 25.26383 25.31197 20.58857
[2,] 29.56115 18.593496 57.84550 22.01581 22.906528 22.15470 29.38923 51.38825 13.45865 21.47531
[3,] 61.27075 10.140378 75.64172 28.10286  9.652907 49.25729 23.82104 31.77349 16.24840 78.02267
[4,] 49.42798 22.326136 33.87446 14.00084 25.107143 25.75241 30.20490 33.14770 62.86563 27.33652
[5,] 53.45546  9.673162 22.66676 38.76392 30.786100 23.42267 28.40211 35.95015 43.75506 58.83676
[6,] 34.72440 23.786004 63.57919  8.08238 12.636745 34.11844 14.88339 21.93766 44.53451 51.12331