在r中应用函数太慢

我必须为许多物种计算每行的特定公式。该公式是丰度值与数据框最后一行中的值之间的乘积。然后，对所有这些产品进行了总结

我当前的脚本包括使用一个apply函数，该函数看起来和我开始使用的for循环一样慢。 我在下面的脚本中简化了这个问题，使用了一个名为

az

的简单df：

az=data.frame(c(1,2,10),c(2,4,20),c(3,6,30))
colnames(az)=c("a","b","c")


# Initial for loop
prov=0 # prov for provisional number
    for (i in 1:nrow(az)){
            for (j in 1:ncol(az)){
                   prov=prov+az[i,j]*az[nrow(az),j]
            }
        print(prov)
        prov=0
        }

# Apply solution
apply(az[,], 1, function(x) {sum(x*az[nrow(az),], na.rm=TRUE)})

这两种解决方案都有效，但它们非常慢（使用我最初的df），我必须对大量物种重复操作。 因此，我想知道是否有人有更有效的解决方案，也许是使用矢量化表达式

亲切的问候

试试看

  rowSums(az*unlist(az[nrow(az),])[col(az)], na.rm=TRUE)

或者使用

rep

  rowSums(az*rep(unlist(az[nrow(az),]),each=ncol(az)), na.rm=TRUE)

---

最快的解决方案可能是矩阵代数：

apply(az[,], 1, function(x) {sum(x*az[nrow(az),], na.rm=TRUE)})
#[1]  140  280 1400

m <- as.matrix(az)
m[is.na(m)] <- 0 #remove NA from sums
as.vector(m %*% m[nrow(m),])
#[1]  140  280 1400

apply（az[，]，1，函数（x）{sum（x*az[nrow（az），]，na.rm=TRUE）}
#[1]  140  280 1400
m
tcrossprod
可能比.vector（tcrossprod（m[nrow（m），]，m））快一点

@akrun一般来说是的，但我不太确定它在一个因素只是一个向量的特定情况下是否有好处。我为您准备了一个最难的（但我无法编辑我的初始帖子）。在for循环的首字母中，我不必执行

prov=prov+az[i，j]*az[nrow（az），j]

，而必须执行

prov=prov+az[i，j]*（az[nrow（az），j-m[]）^2]

m[]我们在最初的帖子中每行得到的结果。这实际上是一个方差计算（第一个对应于平均值）。我够清楚了吗？请问一个新问题。好的，这是链接：[非常感谢你的回答。不过矩阵代数的版本要快一点。@user3443183没问题。我也会问矩阵代数