我想问在 r 脚本中使用循环函数而不是使用它的库 cran 更好吗?就像,我可以编写规范化函数,但我应该为此使用缩放函数吗?
我是数据科学的新手。
这不是一个基于意见的问题。答案(如果我理解正确的话)只有一个:使用包函数要好得多,因为它们更快。快得多。让我介绍一个简单的例子:
library(microbenchmark)
x <- rnorm(10000)
mysum <- function(x)
{
sumvar <- 0
for(el in x)
{
sumvar <- sumvar + el
}
sumvar
}
microbenchmark(sum(x), mysum(x))
和结果:
Unit: microseconds
expr min lq mean median uq max neval
sum(x) 8.086 8.708 10.49947 9.6415 11.6625 24.258 100
mysum(x) 3266.458 3377.486 3653.57448 3511.6825 3751.1545 5396.202 100
这是因为包函数通常是用 C/C++ 实现的,而且速度很快。R中的循环很慢。非常慢。因此,如果您不想在 C/C++ 中实现您的函数并为它们制作 R 接口,您最好使用包函数。
当然,这只是一个原因,它与 R 相关。另一个不依赖于语言的,例如包函数经过很多用户的测试,所以它们更健壮,等等,这实际上是一个过于宽泛的话题。
编辑:是的,应用函数通常比简单for
循环更好,但它们仍然不如 C/C++ 实现快。我没有花哨的例子,所以这是一个非常简单的例子(三种方法的比较):
makeTwice <- function(x)
{
ret <- numeric(length(x))
for(i in 1:length(x))
{
ret[i] <- 2*x[i]
}
ret
}
microbenchmark(2*x, unlist(lapply(x, function(el){2*el})), makeTwice(x))
Unit: microseconds
expr min lq mean median uq max neval
2 * x 7.464 8.8635 17.0367 16.794 18.349 69.664 100
unlist(lapply(x, function(el) { 2 * el })) 6129.545 6818.4150 7786.6555 7265.792 8571.535 14864.356 100
makeTwice(x) 11471.010 12193.3130 14381.6559 13334.380 14313.727 87065.413 100