ifelse函数而不是for循环

我的原始R代码如下

 Bernoulli <- rbinom(1000, 1, 0.5)
 mix.sample <- rep(0, 1000)  #reserve storage
 for (i in 1:1000) { #for each Bernoulli realization
   if (Bernoulli[i] == 1){ #sample corresponding normal component
     mix.sample[i] <- rnorm(1, mean=10, sd=1)
   }
   else {
     mix.sample[i] <- rnorm(1, mean=0, sd=1)
   }
 }
 plot(density(mix.sample))

---

Bernoulli而不是您可以执行的
for
循环

set.seed(42)
sim.fun <- function(x) {
  if (x == 1) {
    rnorm(1, 10, 1)
  } else {
    rnorm(1, 0, 1)
  }
}

P <- sapply(Bernoulli, sim.fun)
plot(density(P))

不过功能更快

microbenchmark（）
产生：

单位：毫秒
expr最小lq平均uq最大neval cld
对于回路8.015976 8.232972 8.712522 8.316147 8.475865 14.65216 100 c
sim.fun 3.622982 3.672990 4.493131 3.700290 3.752339 54.14139 100 a
sapply 5.932761 6.016319 6.479058 6.070026.115951 12.38065 100 b
正如您一次创建整个测试向量（
rbinom
），您可以一次创建两个
rnorm
向量的所有值。将所有内容放入矩阵中，使用测试向量的值选择两个值列中的任意一个

set.seed(1)
n <- 8
m <- cbind(test = rbinom(n, 1, 0.5),
           norm0 = rnorm(n, mean = 0, sd = 1),
           norm10 = rnorm(n, mean = 10, sd = 1))

m <- cbind(m, res = m[cbind(1:nrow(m), (m[ , "test"] == 1) + 2)])
#     test      norm0    norm10        res
# [1,]   0  0.3295078  9.378759  0.3295078
# [2,]   0 -0.8204684  7.785300 -0.8204684
# [3,]   1  0.4874291 11.124931 11.1249309
# [4,]   1  0.7383247  9.955066  9.9550664
# [5,]   0  0.5757814  9.983810  0.5757814
# [6,]   1 -0.3053884 10.943836 10.9438362
# [7,]   1  1.5117812 10.821221 10.8212212
# [8,]   1  0.3898432 10.593901 10.5939013
# [10,]  0  1.1249309 10.619826  1.1249309  

set.seed（1）
n就个人而言，我会使用这样一个事实，即您可以立即将
二项式
转换为
逻辑

  Bernoulli <- as.logical(rbinom(1e3, 1, 0.5))
  samp <- numeric(1e3)
  n <- sum(Bernoulli)
  samp[Bernoulli] <- rnorm(n, 10, 1)
  samp[!Bernoulli] <- rnorm(1e3 - n)
  samp

Bernoulli另一个选项是将值放入数据帧中，然后使用ifelse添加变量，就像您在开始时尝试的那样。这里我也只是绘制数据，但您可以将其分配回存储值

library(tidyverse)

set.seed(81)
df <- data_frame(Bernoulli = rbinom(1000, 1, 0.5))

df %>% 
  mutate(mix.sample = if_else(Bernoulli == 1, 
                              rnorm(1, mean=10, sd=1), 
                              rnorm(1, mean=0, sd=1))) %>%
  ggplot(aes(mix.sample))+
  geom_density()+
  scale_x_continuous(limits = c(-5, 15))

库（tidyverse）
种子（81）
df%
变异（mix.sample=if_else）（伯努利=1，
rnorm（1，平均值=10，标准差=1），
rnorm（1，平均值=0，标准差=1））%>%
ggplot（aes（混合样品））+
几何密度（）+
标度x连续（限值=c（-5,15））


  Bernoulli <- as.logical(rbinom(1e3, 1, 0.5))
  samp <- numeric(1e3)
  n <- sum(Bernoulli)
  samp[Bernoulli] <- rnorm(n, 10, 1)
  samp[!Bernoulli] <- rnorm(1e3 - n)
  samp

library(tidyverse)

set.seed(81)
df <- data_frame(Bernoulli = rbinom(1000, 1, 0.5))

df %>% 
  mutate(mix.sample = if_else(Bernoulli == 1, 
                              rnorm(1, mean=10, sd=1), 
                              rnorm(1, mean=0, sd=1))) %>%
  ggplot(aes(mix.sample))+
  geom_density()+
  scale_x_continuous(limits = c(-5, 15))