R中的各种循环。

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

R中的各种循环。
通常，最好避免R中的循环。但是对于高度独立的任务，矢量化并非总是可能的。因此，如果问题是可分解的，则需要循环。
R中存在哪些不同类型的循环，在哪种情况下使用哪种循环？
在每种编程语言中，都存在for和while循环（有时直到循环）。在R中，这些循环是顺序的而不是那么快。
对于（x中的i）
{任务}
i = y
而（i <= x）
{任务
i = i + 1}
即使是原型制作，有时也会太慢。
但是如何提高速度呢？
R中有三个选项：
应用循环
并行化
RCPP
套用循环：
通常，您可以使用apply计算列，行或两者的一些标准统计量。但是您可以使用技巧来调整循环的应用顺序。语法为：
F <-函数（i，x，y，z，...）
{任务}
apply（as.data.frame（1：length（vector）），margin = 1，FUN = F）
在这种情况下，您不将向量用于直接计算，而是将其用作索引“ i”。
申请订单甚至更快。
F <-函数（i，x，y，z，...）
{任务}
sapply（1：length（vector），FUN = F）
并行化：
您可以使用循环并同时应用订单。你需要：
库（“ doParallel”）
库（“并行”）
库（“ foreach”）
首先定义核数。至少保留以下一项：
NumOfCores <-detectCores（）-1
registerDoParallel（NumOfCores）
使用循环：
foreach :: foreach（x = 1：length（vector），.combine = rbind，.inorder = T，.multicombine = F）％多帕％
{任务}
此循环创建结果向量。
如果顺序不重要，则可以通过.inorder = F提高性能。这意味着自由处理器独立于迭代顺序进行下一个迭代。
或使用parSapply顺序：
群集<-makeCluster（NumOfCores）
parSapply（cl =簇，X = 1：长度（向量），FUN = F，x = x，y = y，z = z，...）
在这种情况下，将引用中的数据集成在括号内非常重要–您不能像普通的申请顺序那样直接连接到工作区。
RCPP：
首先，您需要安装RTools。
库（“ Rcpp”）
在C ++中定义一个函数，创建一个共享库并编译代码。
#include <Rcpp.h>
使用命名空间Rcpp;
// [[Rcpp :: export]]
double NameOfFunction（NumericVector矢量）
{任务}
然后可以在R中调用它：
sapply（X = 1：length（testVec），FUN = NameOfFunction，y =向量）
但是什么时候使用哪种循环呢？
从经验来看，我建议根据迭代次数和每次迭代的成本来做出决策。
不贵
昂贵
迭代次数少
for循环，while循环
RCPP，foreach
大量迭代
RCPP，sapply，apply，lapply，for循环，while循环
parSapply，RCPP

关注 CDA人工智能学院 ，回复“录播”获取更多人工智能精选直播视频！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：while 编程语言 For Hil