时间戳

首页 > 解决方案 > 在R中没有for循环的迭代采样

r - 在R中没有for循环的迭代采样

问题描述

尽管我认为我遇到的问题可能很简单，但我仍然无法弄清楚。事情是这样的：

我有以下列表和向量。该列表用于填充向量：

probabilities = list(c(0.2, 0.3, 0.5), c(0.1, 0.1, 0.8), c(0.3,0.4,0.3))
nextState = c()

for(counter in 1:3){
nextState[counter] = sample(1:3, size = 1, prob = probabilities[[counter]])
}

代码工作正常。但是，当扩展到更大的列表（>10,000 个元素）时，循环变得非常缓慢。由于上面的循环在较大的代码中多次使用，因此消耗的时间太多了。有没有一种方法可以在不循环的情况下达到相同的结果？

附加问题：

谢谢你们，你们帮了大忙。另一个问题：如果概率和 nextState 是相互依赖的，我该如何避免 for 循环？也许有一些代码可以澄清：

M <- list(matrix(c(0.1, 0.2, 0.7, 0.2, 0.2, 0.6, 0.3, 0.3, 0.4), nrow = 3, ncol = 3), 
         matrix(c(0.3, 0.3, 0.4, 0.5, 0.5, 0, 0.1, 0.1, 0.8), nrow = 3, ncol = 3))

probabilities <- list()
nextState <- c(2, NA, NA)

for(i in 1:2){
probabilities[[i]] <- M[[i]][nextState[i], ]
nextState[i + 1] <- sample(1:3, size = 1, prob = probabilities[[i]])
}

如果你有任何想法，那么你真的是奇迹创造者！！

标签： r

解决方案

试试 sapply

nextstate <- sapply( probabilities, function(x) {sample(1:3, size = 1, prob = x)})

基准

# Unit: microseconds
#   expr      min       lq      mean    median       uq      max neval
#    for 2115.170 2223.475 2436.0797 2283.2755 2371.546 10048.64   100
# sapply   24.704   29.524  164.0261   37.3565   41.123 12763.03   100


microbenchmark::microbenchmark(
  `for` = { 
    nextState = c()
    for(counter in 1:3){
      nextState[counter] = sample(1:3, size = 1, prob = probabilities[[counter]])
    }
  },
  sapply = sapply( probabilities, function(x) {sample(1:3, size = 1, prob = x)}),
  times = 100)

推荐阅读