Więc przyzwyczailiśmy się do każdego nowego użytkownika R, że „ apply
nie jest wektoryzowany, sprawdź Patrick Burns R Inferno Circle 4 ”, który mówi (cytuję):
Powszechnym odruchem jest użycie funkcji w rodzinie stosowanej. To nie jest wektoryzacja, to ukrywanie pętli . Funkcja zastosuj w swojej definicji pętlę for. Funkcja lapply zakopuje pętlę, ale czasy wykonywania są z grubsza równe jawnej pętli for.
Rzeczywiście, szybkie spojrzenie na apply
kod źródłowy ujawnia pętlę:
grep("for", capture.output(getAnywhere("apply")), value = TRUE)
## [1] " for (i in 1L:d2) {" " else for (i in 1L:d2) {"
Na razie ok, ale spojrzenie na lapply
lub vapply
faktycznie ujawnia zupełnie inny obraz:
lapply
## function (X, FUN, ...)
## {
## FUN <- match.fun(FUN)
## if (!is.vector(X) || is.object(X))
## X <- as.list(X)
## .Internal(lapply(X, FUN))
## }
## <bytecode: 0x000000000284b618>
## <environment: namespace:base>
Więc najwyraźniej nie ma tam ukrytej for
pętli R , raczej wywołują wewnętrzną funkcję napisaną w C.
Szybkie spojrzenie w króliczą nory ujawnia prawie ten sam obraz
Ponadto weźmy colMeans
na przykład funkcję, której nigdy nie zarzucano, że nie jest wektoryzowana
colMeans
# function (x, na.rm = FALSE, dims = 1L)
# {
# if (is.data.frame(x))
# x <- as.matrix(x)
# if (!is.array(x) || length(dn <- dim(x)) < 2L)
# stop("'x' must be an array of at least two dimensions")
# if (dims < 1L || dims > length(dn) - 1L)
# stop("invalid 'dims'")
# n <- prod(dn[1L:dims])
# dn <- dn[-(1L:dims)]
# z <- if (is.complex(x))
# .Internal(colMeans(Re(x), n, prod(dn), na.rm)) + (0+1i) *
# .Internal(colMeans(Im(x), n, prod(dn), na.rm))
# else .Internal(colMeans(x, n, prod(dn), na.rm))
# if (length(dn) > 1L) {
# dim(z) <- dn
# dimnames(z) <- dimnames(x)[-(1L:dims)]
# }
# else names(z) <- dimnames(x)[[dims + 1]]
# z
# }
# <bytecode: 0x0000000008f89d20>
# <environment: namespace:base>
Co? To także tylko połączenia, .Internal(colMeans(...
które możemy również znaleźć w króliczej norze . Więc czym się to różni od .Internal(lapply(..
?
Właściwie szybki test porównawczy ujawnia, że sapply
działa nie gorzej niż colMeans
i znacznie lepiej niż for
pętla dla dużego zbioru danych
m <- as.data.frame(matrix(1:1e7, ncol = 1e5))
system.time(colMeans(m))
# user system elapsed
# 1.69 0.03 1.73
system.time(sapply(m, mean))
# user system elapsed
# 1.50 0.03 1.60
system.time(apply(m, 2, mean))
# user system elapsed
# 3.84 0.03 3.90
system.time(for(i in 1:ncol(m)) mean(m[, i]))
# user system elapsed
# 13.78 0.01 13.93
Innymi słowy, czy słuszne jest powiedzenie tego lapply
i vapply
faktycznie są one wektoryzowane (w porównaniu z apply
którym jest for
pętla, która również wywołuje lapply
) i co naprawdę miał na myśli Patrick Burns?
*apply
funkcje wielokrotnie wywołują funkcje języka R, co powoduje ich zapętlenie. Odnośnie dobrej wydajnościsapply(m, mean)
: Prawdopodobnie kod Clapply
metody wywołuje tylko raz, a następnie wywołuje ją wielokrotnie?mean.default
jest dość zoptymalizowany.