1. Vectorize用的mapply，其实还是循环，而且表现更糟
2. rt没有办法直接执行原PO想要的那种方式，你可以自己用Rcpp刻一个
3. 花时间查资料，有时候不如看文件或是source code来的有效
Vectorize直接看应该不难找到重点
rt可以直接看文件
会看到df degrees of freedom (> 0, maybe non-integer). df = Inf is allowed.
这里很明显告诉你他不能用vector of degrees of freedom....
下面我比较一下几种做法：
n <- 20
theta <- seq(0, 1, len=100) + 0.001 # add small value to avoid warning
for_loop_rt <- function(n, theta) {
stopifnot(length(n) == 1, abs(n - floor(n)) < 1e-8)
X <- matrix(NA, n, length(theta))
for (i in seq_along(theta))
X[ , i] <- rt(n, theta[i])
return(X)
}
library(compiler)
for_loop_rt_compiled <- cmpfun(for_loop_rt)
rt_vectorized <- Vectorize(rt)
library(microbenchmark)
microbenchmark(
sapply = sapply(theta, function(t) rt(20, 1/t)),
vectorized = rt_vectorized(rep(n, length(theta)), theta, ncp = rep(0,
length(theta))),
for_loop = for_loop_rt(n, theta),
for_loop_cmpfun = for_loop_rt_compiled(n, theta)
)
# Unit: microseconds
# expr min lq mean median uq max neval
# sapply 556.8 576.10 597.278 584.30 594.25 1639.1 100
# vectorized 898.6 923.45 1041.179 936.45 961.45 2637.4 100
# for_loop 546.4 557.00 649.992 564.85 571.65 5844.1 100
# for_loop_cmpfun 541.9 558.65 679.358 566.45 573.85 2290.1 100
这结果，很讽刺地告诉你用Vectorize只是让事情更糟而已XDDDDDD
然后反而用for loop最快.... 这件事情其实我有在板上谈过....
matrix操作 R真的很快.... 试着相信R一下^.<
※ 引述《locka (locka)》之铭言：
: 感谢 celestialgod 版主大大提点:
: 以前以为 *apply 家族的函数就已经是向量化(vectorized)的写法了
: 查了资料才发现其实底层背后还是有 for 循环 (觉得震撼啊...)
: 试试看这样的写法
: theta <- seq(0,1,len=100)
: df <- rep(19,len=100)
: n <- rep(20,len=100)
: vrt <- Vectorize(rt)
: x <- vrt(n=n, df=df, ncp=1/theta)
: 于是 x[,1] ... x[,100] 就是100个 n 等于20 然后对应各自 delta 值的 t 分配样本了
: (但是不知道 df, n 的预先定义有没有意义?)
: 请版上各位高手再指点~ 谢谢大家
: ======
: 补充：
: 但还是有查到 *apply function 的好处:
: 1. 程式易读性
: 2. 会 pre-allocate 向量的内存空间
: 2. 只影响区域变量不会改变全域变量
: ref: https://www.r-bloggers.com/vectorization-in-r-why/
: ※ 引述《ntpuisbest (阿龙)》之铭言：
: : n <- 20
: : theta=seq(0,1,len=100)
: : rt(n ,1/theta )
: : 如题
: : 我想要生100组 ，每组都是n=20的t分配样本
: : 只是这100组的theta都不一样
: : 我像上面那样打 只会回传20个样本
: : 并不是我想要的 2000个样本 请问要如何打才能要我要的结果
: : 想避免for loop
: : 用loop的话 我知道怎么做
作者:
locka (locka)
2019-03-28 00:04:00竟然…！(登愣XDD但还是想请问c大：1. 当初怎么知道Vectorize 背后用的是 mapply？2. 如何判断 rt() 没办法用向量化的方式做？还是必须说，大大太神了自问自答1：help("Vectorize")就有了。衍生问题3：所以 Vectorize(f) 只是单纯把又臭又长的mapply(f…)包起来，实际上跟直接用mapply比并没有差？df degrees of freedom (> 0, maybe non-integer). df = Inf is allowed.不是只是说 df 参数可以是无限大(Inf)的意思吗？还是我理解错误？哪里有说他不能用vector of degrees of freedom？感谢释疑，但又有疑问了(举手) 最后一个 >"<所以一般所谓R的向量化到底是什么意思啊？？如果*apply, Vectorize 都不是的话。(先谢谢版主大大一一耐心回复！)