r - 重构/向量化一个简单的 for 循环（包括示例数据和循环）

Question

这是示例代码

# sample data
N <- 100
s <- matrix(rexp(1000000), 10000)

sif <- matrix(0,1,N)

count <- 0
# the slow for loop
for(ii in 1:(round(length(s)/N)-1)) 
{
# incdex counter for final vector
    count <- count + 1

#  populates new matrix with a range from the s matrix
sif[count,] <- s[(1+((ii-1)*N)):(ii*N)]

    # stacks new row onto matrix
sif <- rbind(sif, (count + 1))
 }

表现

矩阵中有 100 万个元素，性能相当缓慢。有人知道如何对上述样本进行矢量化吗？

Answer 1

你不只是在做

sif <- matrix(s, ncol=N, byrow=T)

编辑：

如果新矩阵的元素数与旧矩阵不完全匹配，则必须小心。然后，将执行以下操作：

sif <- matrix(s[1:(round(length(s)/N)*N)], ncol=N, byrow=T)

我做了一个仔细的计算，调用我的结果sif2。我得到了什么：

> max(abs(sif[1:9999,1:100]-sif2[1:9999,1:100]))
[1] 0

然而，

> sif[10000,]
[1] 10000 10000 10000 10000 10000 10000 10000 10000 10000 10000 10000 10000 10000 10000 10000 10000 10000 ...

当然，因为您永远不会填写数据的最后一行。这是故意的吗？如果是，您可以通过以下方式轻松更改我的结果

sif2[nrow(sif2), ] <- nrow(sif2)

没有必要比较性能，但为了完整起见：

               User      System     elapsed 
Your way     57.831      14.056      71.525 
R's way       0.004       0.002       0.006