Vectorize()和apply()的区别

Question

R中的Vectorize()和apply()函数通常可以用来实现同样的目标。出于可读性的原因，我通常更喜欢对函数进行向量化处理，因为主调用函数与手头的任务相关，而sapply则不是这样。当我在R代码中多次使用该向量化函数时，使用Vectorize()也很有用。例如：

a <- 100
b <- 200
c <- 300
varnames <- c('a', 'b', 'c')

getv <- Vectorize(get)
getv(varnames)

对抗

sapply(varnames, get)

但是，在 Stack Overflow 上，我很少看到解决方案中使用 Vectorize() 的示例，仅使用 apply()（或其兄弟姐妹之一）。是否存在任何效率问题或其他合法的问题，使得 apply() 成为更好的选择，而不是使用 Vectorize()？

- andrew

---

嗯...你运行了自己的示例吗？我已经发现Vectorize存在一个问题了... - David Arenburg

好吧，我想这开始回答我的问题了。从底层来看，Vectorize()似乎只是mapply()的一个包装器。 - andrew

由于你的示例已经被“mget()”替代，你能否使用更好的示例进行重写？ - smci

Answer 1

Vectorize只是mapply的一个包装器。它只为您提供所需函数的mapply循环。因此，通常有比Vectorize()更简单的方法，显式的*apply解决方案最终具有计算等效性，甚至可能更优。

此外，针对您的具体示例，您听说过mget吗？

- Thomas

Answer 2

为了补充Thomas的回答，也许还需要考虑速度？

    # install.packages(c("microbenchmark", "stringr"), dependencies = TRUE)
require(microbenchmark)
require(stringr)

Vect <- function(x) { getv <- Vectorize(get); getv(x) }
sapp <- function(x) sapply(x, get)
mgett <- function(x) mget(x)
res <- microbenchmark(Vect(varnames), sapp(varnames), mget(varnames), times = 15)

## Print results:
print(res)
Unit: microseconds
           expr     min       lq  median       uq     max neval
 Vect(varnames) 106.752 110.3845 116.050 122.9030 246.934    15
 sapp(varnames)  31.731  33.8680  36.199  36.7810 100.712    15
 mget(varnames)   2.856   3.1930   3.732   4.1185  13.624    15


### Plot results:
boxplot(res)

- Eric Fail

---

mget与mgett的拼写错误。 - Timothy M Pollington