在 R 中，如何使 for 循环运行更快？

Question

我有以下 2 个时间序列的代码。 maxNo 是时间序列中的元素数。 longStopPrev 是 longStop 的 1 位置滞后版本。变量在循环之前启动，因此它们的大小不会在每次迭代中增加。当maxNo很大时，这个循环需要很长时间才能运行.

是否有任何聪明的方法来避免使用 for 循环和矢量化或使运行更快？

我认为主要的挑战是变量 longStopPrev 有机会在循环的每个运行中改变，这使得运行操作变得困难只有一次作为向量。然而，可能有更好的执行方式，类似于不同的搜索算法。

我已经使用 foreach 进行了测试，但它只会使代码运行变慢。我还测试了 for 循环内部的更改

longStopPrev = stats::lag(longStop, k=1,na.pad = TRUE) # lag 1

与：

longStopPrev[i+1] <- longStop[i]

但结果稍慢

我试图在下面制作一个可重现的示例。我在我的时间序列中用 ~10.000 点测试代码，实际上想要运行 ~100.000 或更长。

require("xts")

set.seed(47); n = 1e1;
data <- xts(rnorm(n)+10, 
             order.by = seq(as.POSIXct("2017-05-31 17:00:00"), length=n, by="min"))

diff=0.5
longStop = data - diff

longStopPrev = stats::lag(longStop, k=1,na.pad = TRUE) # lag 1
longStopPrev = na.approx(longStopPrev, rule=2,na.rm = FALSE,maxgap=1) # fill NA values by approx

maxNo <- nrow(longStop)

for(i in 1:maxNo) {
  if(as.numeric(data[i])>as.numeric(longStopPrev[i]) ){
    longStop[i] <- max(longStop[i],longStopPrev[i])
    longStopPrev = stats::lag(longStop, k=1,na.pad = TRUE) # lag 1 
    
  }
}
longStopPrev = na.approx(longStopPrev, rule=2,na.rm = FALSE,maxgap=1) # fill NA values by approx

Answer 1

我发现在 for 循环之前使用 coredata() 将 xts 转换为 matrix 可以大大加快代码速度。与矩阵相比，显然调用 xts 元素要慢得多。在 for 循环的末尾，如果需要，您可以转换回 xts。

在 R 中，如何使 for 循环运行更快？

In R how can I make the for loop run faster?

performance

for-loop

r

time-series

vectorization

在 R 中，如何使 for 循环 运行 更快？

In R how can I make the for loop run faster?

performance

for-loop

r

time-series

vectorization

在 R 中，如何使 for 循环运行更快？