R中的循环-无论如何都需要使用索引来避免'；对于'；？

我知道在R中使用

for

循环不是最佳实践，因为它没有增强的性能。几乎在所有情况下，都有一个家族的函数

*apply

解决了我们的问题

然而，我面临的情况是，我看不到解决办法

我需要计算连续值的百分比变化：

pv[1] <- 0
for(i in 2:length(x)) {
  pv[i] <- (x[i] - x[i-1])/x[i-1]
}

---

pv[1]您可以通过以下方法获得相同的结果：

pv <- c(0)
y <- sapply(2:length(x), function(i) {pv <<- (x[i] - x[i-1])/x[i-1]})
c(0, y)

您提供的是分数变化，但如果乘以100，则得到“百分比变化”：

pv您也可以使用
diff
：

c( 0, diff(x) / x[-length(x)] )
c( 0, exp(diff(log(x))) - 1 )

回答得好，德温。我不知道海报到底完成了什么，但我完全同意矢量化+回答得很好！我不知道矢量化方法是最快的，我认为
lappy
是最快的。但是在最后一行代码中，不应该是
x[-1]-x[-length（x）]
？@JoãoDaniel:是的，应该是。编辑应用。什么是“DIF”版本，整个测试是什么样子的？@VincentZoonekynd的解决方案对我来说运行得最快。应该是DIFF for DIFF（Vincent的）。公平地说，基准测试别忘了从DWin的解决方案中去掉*100，因为这增加了额外的计算，这是百分之一（不像everyone eles的解决方案那样是一个比例）。我对事物的名称进行了一些调整，以便更清楚基准测试中的内容。人们可以在未来Q关于循环构造的效率时引用这个答案。+1这似乎是最快的。。。我喜欢log/exp变量，尽管它没有那么快。帽子提示：我必须承认diff（）方法比我直接翻译成矢量化解决方案要优雅一些。我很惊讶它没有更好地进行基准测试。@dwn-当我进行基准测试时，使用
diff
或不使用都没有区别。但是用
c
代替你的替代品要快得多。泰勒的数字有些可疑。我在
x@上运行了它汤米：我们应该把苹果和苹果进行比较。（需要在使用
diff
的版本中进行替换操作，以使比较具有信息性。）
pv<- vector("numeric",length(x))
pv[1] <- 0
pv[-1] <- 100* ( x[-1] - x[-length(x)] )/ x[-length(x)]

c( 0, diff(x) / x[-length(x)] )
c( 0, exp(diff(log(x))) - 1 )