※ 引述《a78998042a (Benjimine)》之铭言：
: [问题类型]:
: 程式咨询(我想用R 做某件事情，但是我不知道要怎么用R 写出来)
: [软件熟悉度]:
: 使用者(已经有用R 做过不少作品)
: [问题叙述]:
: 我需要将程式向量化
: 使用循环、apply系列的函数太慢了
: 但不用apply又做不出来
: 想询问大家的经验
: [程式范例]:
: ###vactor的问题
: #我想将一个向量分别加上一个数字
: x = 1:3
: y = rep(0, 3)
: #我想得到类似下面结果，但不用apply, 不用循环的做法
: sapply(x, function(x) y + x, simplify = FALSE)
: [[1]]
: [1] 1 1 1
: [[2]]
: [1] 2 2 2
: [[3]]
: [1] 3 3 3
我犹豫了一下要怎么回你XD
不过我觉得sapply, lapply够快了，而且for也很好用
我写了一个简单的测试，我不认为这会是你程式速度的瓶颈：
PS: 相信你的y不是全部0，不然用mapply + rep最快
y <- 1:3e4
x <- 1:1e4
st <- proc.time()
z1 <- sweep(array(y, c(length(y), length(x))), 2, x, '+')
proc.time() - st
# user system elapsed
# 8.72 0.45 9.19
st <- proc.time()
z2 <- sapply(x, function(xi) y + xi)
proc.time() - st
# user system elapsed
# 3.32 0.48 3.83
all.equal(z1, z2) # TRUE
st <- proc.time()
z12 <- sweep(matrix(rep(y, length(x)), length(y)), 2, x, '+')
proc.time() - st
# user system elapsed
# 8.93 1.10 10.05
all.equal(z1, z12)
st <- proc.time()
z22 <- sapply(x, function(xi) y + xi, simplify = FALSE)
proc.time() - st
# user system elapsed
# 0.58 0.45 1.05
st <- proc.time()
z3 <- lapply(x, function(xi) y + xi)
proc.time() - st
# user system elapsed
# 0.53 0.17 0.70
all.equal(z22, z3) # TRUE
st <- proc.time()
z4 <- vector('list', length(x))
for (i in seq_along(x))
z4[[i]] <- y + x[i]
proc.time() - st
# user system elapsed
# 0.61 0.04 0.65
all.equal(z4, z3) # TRUE
: ###array的问题
: #我想将array不同维度的物件，扣除不同数字
: temp.ar = array(matrix(0, 2, 3), c(2, 3, 2))
: #我想得到类似下面的结果
: sapply(1:2, function(x)temp.ar[,,x] + x,simplify = FALSE)
: [[1]]
: [,1] [,2] [,3]
: [1,] 1 1 1
: [2,] 1 1 1
: [[2]]
: [,1] [,2] [,3]
: [1,] 2 2 2
: [2,] 2 2 2
: #另一个问题是，sapply会将物件转成list，增加后续处理上的难度
: #例如我无法直接对list取round
: #使用sapply的simplify又会将破坏结构，之后可能需要再重新架构
: #但如果结构是array就可以直接做一些函数运算
: #不知道大家有这方面的经验可以分享吗
: #谢谢!
arr <- array(0, c(2, 3, 1e4))
st <- proc.time()
z <- sweep(arr, 3, 1:1e4, '+')
proc.time() - st
# user system elapsed
# 0.00 0.02 0.02