R 如何通过避免循环来优化代码？

我对一个需要花费大量时间运行的代码有一些问题。有人能帮我一下吗？提前谢谢

all_dist=c()
ddim=dim(b)[1]
ddimi=ddim-1

for (k in 1:dim(b)[2]){
    for (i in seq(1,ddimi,1)){
        for (j in seq(i+1,ddim,1)){
        ze=(b[i,k])-(b[j,k])*(b[i,k])-(b[j,k])
        all_dist=c(all_dist,ze)
}}}

请注意：

str(b)

数值[1:5,1:30007]-0.000292-0.001384-0.001412-0.002603-0.002848 ... -属性（*，“dimnames”）=2..$：NULL..$：chr[1:30007]“V1”“V2”“V3”“V4”的列表

或者，您可以使用索引向量替换内部两个for循环，并生成一个apply循环，而不是k-for循环：

system.time({
I <- seq(1,ddimi,1)
J <- unlist(lapply(I+1, function(x) seq(x,ddim,1)))
I <- I[rep(seq_along(I), rep((ddim-1):1,length.out=length(I)))]
tt  <- as.vector(apply(b, 2, function(x) {x[I] - x[J] * x[I] - x[J]}))
})
#       User      System verstrichen 
#      0.085       0.000       0.085 
identical(all_dist, tt)
#[1] TRUE

system.time({
我
或者，您可以使用索引向量替换内部两个for循环，并生成一个apply循环，而不是k-for循环：

system.time({
I <- seq(1,ddimi,1)
J <- unlist(lapply(I+1, function(x) seq(x,ddim,1)))
I <- I[rep(seq_along(I), rep((ddim-1):1,length.out=length(I)))]
tt  <- as.vector(apply(b, 2, function(x) {x[I] - x[J] * x[I] - x[J]}))
})
#       User      System verstrichen 
#      0.085       0.000       0.085 
identical(all_dist, tt)
#[1] TRUE

system.time({
IFor循环和使用
c（）
增加向量会减慢速度。最好尝试利用向量化，并使用*apply（或map）尽可能多地使用函数。这里有一些方法可以同时使用
sapply
对列进行迭代，创建组合并计算这些组合的乘积和差异：

matFor循环和使用
c（）增加向量会减慢速度。最好尝试利用向量化，并使用*apply（或map）尽可能多地使用函数。这里有一些方法可以同时使用
sapply
对列进行迭代，创建组合并计算这些组合的乘积和差异：

mat如果您的代码正常工作，则最好在上询问此问题如果您的代码正常工作，则最好在上询问此问题
system.time({
I <- seq(1,ddimi,1)
J <- unlist(lapply(I+1, function(x) seq(x,ddim,1)))
I <- I[rep(seq_along(I), rep((ddim-1):1,length.out=length(I)))]
tt  <- as.vector(apply(b, 2, function(x) {x[I] - x[J] * x[I] - x[J]}))
})
#       User      System verstrichen 
#      0.085       0.000       0.085 
identical(all_dist, tt)
#[1] TRUE

system.time({
mat <- as.vector(sapply(as.data.frame(b), function(x) {y <- combn(x, 2); y[1,] - y[2,] * y[1,] - y[2,]}))
})
#       User      System verstrichen 
#      1.083       0.000       1.082 
identical(all_dist, mat)
#[1] TRUE