如何使用R自动化两个矩阵的每列之间的操作？

我有为MAPE编写的通用函数（平均绝对百分比误差）

并预测为

yp = matrix(c(12, 13, 14, 12, 15, 17, 24, 22, 28),byrow=TRUE,ncol=3)

这可以手动为每个列执行，如

mape（y[，1]，yp[，1]）

我如何使用R自动化在大维度矩阵的每列之间执行操作的过程（也包括任何其他操作-不仅仅是MAPE）？使用apply/sapply可以避免FOR循环吗？

更新： 当然，mape可以矢量化：

mapeVec <- function(y, yhat)
  colMeans(abs((y-yhat)/y))

f3 <- function() { mapeVec(y, yp) } 

Unit: milliseconds
 expr       min        lq      mean    median        uq      max neval cld
 f1() 33.677431 34.121107 35.494355 34.441823 35.078125 46.16782   100  b 
 f2() 33.558224 33.970123 35.609414 34.239525 34.881354 49.99195   100  b 
 f3()  8.344952  8.525146  9.218695  8.568763  8.709681 17.82791   100 a  

identical(f1(), f3())  # TRUE

微基准： 个人评论：

f1

（

sapply（）

approach）看起来更加紧凑和“干净”

更新： 当然，mape可以矢量化：

mapeVec <- function(y, yhat)
  colMeans(abs((y-yhat)/y))

f3 <- function() { mapeVec(y, yp) } 

Unit: milliseconds
 expr       min        lq      mean    median        uq      max neval cld
 f1() 33.677431 34.121107 35.494355 34.441823 35.078125 46.16782   100  b 
 f2() 33.558224 33.970123 35.609414 34.239525 34.881354 49.99195   100  b 
 f3()  8.344952  8.525146  9.218695  8.568763  8.709681 17.82791   100 a  

identical(f1(), f3())  # TRUE

微基准： 个人评论：

---

f1

（

sapply（）

approach）看起来更加紧凑和“干净”

如果另一种选择是使用

apply

或

sapply

，您可以安全地将

用于

循环，基本上没有任何负面影响。用

apply

替换循环不会加快速度。如果替代方法是使用

apply

或

sapply

，则可以安全地使用

for

循环，基本上没有任何负面影响。用

apply

替换循环不会加快速度。可以用

seq（nrow（y））

替换

seq（1:dim（y）[1]）

。它没有改变任何东西，只是使长度从何而来变得更加明显。无法抗拒：

microbenchmark（seq（1:dim（y）[1]），seq（nrow（y）），times=1000）

给出了

10.82

vs

9.88

的意思和

9.87

vs

8.69

中间值。这是因为你使用了

seq（1:dim（y）[1]）

，也就是说，你基本上是两次排序。如果改用

seq（dim（y）[1]）

则得到完全相同的结果。如果您试图优化速度，请改用

seq_len

。您可以将

seq（1:dim（y）[1]）

替换为

seq（nrow（y））

。它没有改变任何东西，只是使长度从何而来变得更加明显。无法抗拒：

microbenchmark（seq（1:dim（y）[1]），seq（nrow（y）），times=1000）

给出了

10.82

vs

9.88

的意思和

9.87

vs

8.69

中间值。这是因为你使用了

seq（1:dim（y）[1]）

，也就是说，你基本上是两次排序。如果改用

seq（dim（y）[1]）

则得到完全相同的结果。如果您试图优化速度，请改用

seq_len

。

mapeVec <- function(y, yhat)
  colMeans(abs((y-yhat)/y))

f3 <- function() { mapeVec(y, yp) } 

Unit: milliseconds
 expr       min        lq      mean    median        uq      max neval cld
 f1() 33.677431 34.121107 35.494355 34.441823 35.078125 46.16782   100  b 
 f2() 33.558224 33.970123 35.609414 34.239525 34.881354 49.99195   100  b 
 f3()  8.344952  8.525146  9.218695  8.568763  8.709681 17.82791   100 a  

identical(f1(), f3())  # TRUE

mape <- function(y, yhat)
  mean(abs((y - yhat)/y))

y <- matrix(c(11, 12, 12, 12, 14, 16, 23, 21, 28), nrow = 3, ncol = 3)

yp = matrix(c(12, 13, 14, 12, 15, 17, 24, 22, 28), nrow = 3, ncol = 3)

sapply(seq(nrow(y)), function(id) { mape(y[,id], yp[,id]) })

library(microbenchmark)

mape <- function(y, yhat)
  mean(abs((y - yhat)/y))

y <- matrix(rnorm(1000000), nrow = 1000, ncol = 1000)

yp = matrix(rnorm(1000000), nrow = 1000, ncol = 1000)

f1 <- function() { sapply(seq(nrow(y)), function(id) { mape(y[,id], yp[,id]) }) }

f2 <- function() { 
  a <- vector(mode = "numeric", length = nrow(y))
  for(id in seq(nrow(y))) { 
    a[id] <- mape(y[,id], yp[,id]) 
  }
  a
}

microbenchmark(
  f1(),
  f2()
)

Unit: milliseconds
 expr      min       lq     mean   median       uq      max neval cld
 f1() 33.28310 34.15209 36.57389 35.42845 36.20803 48.11936   100   a
 f2() 34.14755 34.78859 37.65782 36.33395 37.06874 64.10664   100   a