向量化我的思维：R中的向量运算

早些时候，我回答了我自己关于在R中向量中思考的问题。但是现在我又遇到了另一个我不能'矢量化'的问题。我知道矢量更快，循环速度更慢，但我不知道如何在矢量方法中执行此操作：对此做一个完整的边际分析。我需要一次删除一个元素，并'数值'的数据框，然后我需要通过删除只有下一个元素再次进行迭代。然后再次......再次......这个想法是对我的数据的一个子集进行完全边际分析。总之，我无法想象如何以矢量有效的方式做到这一点。向量化我的思维：R中的向量运算

我已经缩短了代码的循环部分下来，它看起来是这样的：

for (j in my.data$item[my.data$fixed==0]) { # <-- selects the items I want to loop 
              #  through 
    my.data.it <- my.data[my.data$item!= j,] # <-- this kicks item j out of the list 
    sum.data <-aggregate(my.data.it, by=list(year), FUN=sum, na.rm=TRUE) #<-- do an 
                     # aggregation 

    do(a.little.dance) && make(a.little.love) -> get.down(tonight) # <-- a little 
                    # song and dance 

    delta <- (get.love)           # <-- get some love 
    delta.list<-append(delta.list, delta, after=length(delta.list)) #<-- put my love 
                    # in a vector 
}

所以很明显，我砍死了一堆东西在中间，只是使其不太笨拙。目标是使用更高效的矢量去除j循环。有任何想法吗？

来源

2009-01-14 JD Long

@joran：有必须是编辑30个月以上问题的奖项。 :) – Iterator 2011-08-10 01:29:22

一些版本的死灵法师，也许？ – 2011-08-10 15:15:32

这似乎是另一种非常R型的方式来产生总和。生成一个与您的输入向量一样长的向量，除了n个元素的重复和之外什么也不包含。然后，从总和矢量中减去原始矢量。结果是：一个矢量（isums），其中每个条目是您的原始矢量，而不是第i个元素。

> (my.data$item[my.data$fixed==0]) 
[1] 1 1 3 5 7 
> sums <- rep(sum(my.data$item[my.data$fixed==0]),length(my.data$item[my.data$fixed==0])) 
> sums 
[1] 17 17 17 17 17 
> isums <- sums - (my.data$item[my.data$fixed==0]) 
> isums 
[1] 16 16 14 12 10

来源

2009-01-18 15:12:24

这是没有答案，但我不知道任何见解在于这个方向：

> tapply((my.data$item[my.data$fixed==0])[-1], my.data$year[my.data$fixed==0][-1], sum)

tapply产生统计表（资金，在这种情况下，第三个参数）给出的参数组合第二个参数。例如，

2001 2003 2005 2007 
1 3 5 7

[-1]符号会从选定的行中删除观察（行）一个观察值。所以，你可以循环，每个循环使用[-i]记住

for (i in 1:length(my.data$item)) { 
    tapply((my.data$item[my.data$fixed==0])[-i], my.data$year[my.data$fixed==0][-i], sum) 
}

保存，如果你有1只观察任何年，然后通过连续tapply调用返回的表不会有相同的列数。（即，如果你剔除了2001年唯一的观察结果，那么2003年，2005年和2007年将只返回列）。

来源

2009-01-16 20:12:55

奇怪的是，在R中学习矢量化是帮助我习惯基本函数式编程的原因。一个基本的技术将是确定的循环内您的操作作为一个函数：

data = ...; 
items = ...; 

leave_one_out = function(i) { 
    data1 = data[items != i]; 
    delta = ...; # some operation on data1 
    return delta; 
} 


for (j in items) { 
    delta.list = cbind(delta.list, leave_one_out(j)); 
}

向量化，你要做的就是与sapply映射函数替换for循环：

delta.list = sapply(items, leave_one_out);

来源

2009-05-07 09:54:05 bubaker

向量化我的思维：R中的向量运算

回答

相关问题