iter <- 1000
myvec <- c()
while(is.null(myvec) || nrow(myvec) <= iter){
x = rnorm(10, mean = 0, sd = 1)
if(sum(x) > 2.5){
myvec <- rbind(myvec, x)
}
}
我想并行化上面的while循环,直到myvec
中共有iter = 1000
条目为止。我查看了这篇帖子,但我认为那里的答案不适用于我的示例。
iter <- 1000
myvec <- c()
while(is.null(myvec) || nrow(myvec) <= iter){
x = rnorm(10, mean = 0, sd = 1)
if(sum(x) > 2.5){
myvec <- rbind(myvec, x)
}
}
我想并行化上面的while循环,直到myvec
中共有iter = 1000
条目为止。我查看了这篇帖子,但我认为那里的答案不适用于我的示例。
实际上您不需要并行化while循环。 您可以像下面这样将操作向量化到x
上
iter <- 1000
myvec <- c()
while (is.null(myvec) || nrow(myvec) <= iter) {
x <- matrix(rnorm(iter * 10, mean = 0, sd = 1), ncol = 10)
myvec <- rbind(myvec, subset(x, rowSums(x) > 2.5))
}
myvec <- head(myvec, iter)
iter <- 1000
myvec <- list()
nl <- 0
while (nl < iter) {
x <- matrix(rnorm(iter * 10, mean = 0, sd = 1), ncol = 10)
v <- subset(x, rowSums(x) > 2.5)
nl <- nl + nrow(v)
myvec[[length(myvec) + 1]] <- v
}
myvec <- head(do.call(rbind, myvec), iter)
我相信,即使您有大量的iter
,这种方法也会更快。
future
不是必要的,也不能够提高速度太多。我只是把它放在这里,以防 OP 不知道如何将链接中现有的答案重写为针对这个特定问题的答案。无论如何,我提供了另一个基于 R 的选项,速度要快得多。 - ThomasIsCodingfuture
,例如 myvec[[k]] %<-% x
, 会将 在主 R 会话中计算出的 x
的值 导出到并行工作进程,然后返回其值。请注意,它 不会 并行执行任何计算。因此,这种方式不起作用。它实际上相当于 myvec[[k]] <- x
,但效率要低得多。建议您删除 future 示例代码,以便以后没有人认为是这样实现的。 - HenrikBfuture
的答案 :) - ThomasIsCoding