复制()与for循环有何区别？

Question

有人知道R中的replicate()函数是如何工作的，相对于使用for循环，它的效率如何？

例如，以下两种方式是否有效率差异...

means <- replicate(100000, mean(rnorm(50)))

并且...

means <- c()
for(i in 1:100000) { 
   means <- c(means, mean(rnorm(50)))
}

（上面的内容可能有些错误，但您可以理解我的意思。）

- RickyB

Answer 1

你只需要对代码进行基准测试并凭经验得出答案。请注意，我还添加了第二种for循环形式，通过预先分配向量来规避增长向量的问题。

repl_function = function(no_rep) means <- replicate(no_rep, mean(rnorm(50)))
for_loop = function(no_rep) {
   means <- c()
   for(i in 1:no_rep) { 
      means <- c(means, mean(rnorm(50)))
   }
   means
}
for_loop_prealloc = function(no_rep) {
   means <- vector(mode = "numeric", length = no_rep)
   for(i in 1:no_rep) { 
      means[i] <- mean(rnorm(50))
   }
   means
}

no_loops = 50e3
benchmark(repl_function(no_loops), 
          for_loop(no_loops), 
          for_loop_prealloc(no_loops), 
          replications = 3)

                         test replications elapsed relative user.self sys.self
2          for_loop(no_loops)            3  18.886    6.274    17.803    0.894                          
3 for_loop_prealloc(no_loops)            3   3.209    1.066     3.189    0.000                          
1     repl_function(no_loops)            3   3.010    1.000     2.997    0.000                          
  user.child sys.child
2          0         0                                                                                  
3          0         0                                                                                  
1          0         0 

看着 relative 这一列，未预分配内存的循环比预分配内存的循环慢了6.2倍。然而，预分配内存的循环和 replicate 一样快。

- Paul Hiemstra

Answer 2

replicate是sapply的包装器，而sapply本身是lapply的包装器。 lapply最终是一个用C编写的.Internal函数，以一种优化的方式执行循环，而不是通过解释器。它的主要优点是高效的内存管理，特别是与您上面提出的高度低效的向量增长方法相比。

- James

---

一个预分配的循环和replicate一样快。我认为这是因为代码的主要部分在R中花费了大量时间。重新实现整个循环，例如在C++中使用mean，可能会显著加速。请参见我的答案中的基准测试。 - Paul Hiemstra

Answer 3

我对replicate有着非常不同的体验，这也让我感到困惑。当我使用replicate时，经常会导致我的R崩溃和笔记本电脑挂起，而相比之下，for并没有出现这种情况，这让我感到惊讶。因为如上所述的原因，我也期望由C编写的函数能够优于for循环。例如，如果您执行以下函数，您会发现for循环比replicate更快。

system.time(for (i in 1:10) runif(1e7))
#    user  system elapsed 
#    3.340   0.218   3.558 

system.time(replicate(10, runif(1e7)))
#    user  system elapsed 
#    4.622   0.484   5.109

因此，使用10个复制品，循环速度显然更快。如果您将其重复100次，您将获得类似的结果。因此，我想知道是否有人可以提供一个示例，显示它与for相比的实际优势。

另外，我还为runif(1e7)创建了一个函数，在比较中没有任何区别。基本上，我未能提供任何显示replicate优势的示例。

- E. F. Haghish

---

我认为你的比较不公平，因为在for loop中，每次返回runif(1e7)，而在replicate中，你还将结果存储到一个大小为1e7 x 10的矩阵中。 - George Pipis

Answer 4

向量化是它们之间的关键区别。我将尝试解释这一点。R是一种高级解释型计算机语言。它为您处理许多基本的计算机任务。当您编写代码时，

x <- 2.0

你不需要告诉你的电脑：

• “2.0”是一个浮点数；
• “x”应存储数字类型数据；
• 它必须找到一个地方来存放“5”；
• 它必须将“x”注册为指向内存中某个位置的指针。

R会自己解决这些问题。

但是，对于这样舒适的问题，有一个代价：它比低级语言慢。

在C或FORTRAN中，许多“test if”都会在编译步骤中完成，而不是在程序执行期间完成。它们在编写后被翻译成二进制计算机语言（0/1），但在运行之前。这使得编译器可以以最优方式组织二进制机器代码供计算机解释。

这与R中的向量化有什么关系？嗯，许多R函数实际上是用编译语言（如C、C++和FORTRAN）编写的，并具有小的R“包装器”。这就是你的方法与众不同的地方。for循环添加了更多的test if操作，使机器在数据上执行时变慢。

- Worice