R - 我怎样才能使这个循环更快？答案

【问题标题】：R - How can I make this loop faster?R - 我怎样才能使这个循环更快？
【发布时间】：2020-02-20 14:20:53
【问题描述】：

有没有办法让这个循环在 r 中更快？

    V=array(NA, dim=c(nrow(pixDF), n))

    for(i in 1:n)
    {
       sdC<-sqrt(det(Cov[,i,]))
       iC<-inv(Cov[,i,])
       V[,i]<-apply(pixDF,1,function(x)(sdC*exp(-0.5*((x-Mean[i,])%*%iC%*%as.matrix((x-Mean[i,]))))))
    }

在这种情况下，pixDF 是一个包含 490000 行和 4 列的矩阵，其中填充了双精度数。 n = 5。Cov 是一个 (4,5,4) 数组，其中填充了“双精度”。 Mean 是一个 (5,4) 数组，也填充了双精度数。

这个循环在我的电脑上大约需要 30 分钟。（编辑前）。现在需要 1 分钟。

【问题讨论】：

为什么pixDF 不是矩阵？你在apply 循环中做了很多事情，这些事情只需要在周围的for 循环中计算一次，例如，sqrt(det(Cov[,i,])) 不需要为pixDF 的每一行单独计算。跨度>
如果您将可重现的示例与预期输出一起包含在内，会更容易提供帮助。请阅读有关how to ask a good question 的信息以及如何提供reproducible example。
@Roland 我不知道矩阵的内存效率更高。在 apply 之外计算 sqrt(det(Cov[,i,])) 并使用矩阵而不是 data.frame 后并没有太大变化，但在计算 inv(Cov[, i ,]) 之前使其更快（60秒）。非常感谢。
我不知道 inv 函数，但如果它确实如其名称所述，让我指出对数字的一般建议：避免反转矩阵。这是昂贵的，并且会产生（损失）精度的问题。通常情况下，最好solve方程系统。

标签： r performance loops

【解决方案1】：

正如 Ronak 所说，如果没有可重复的示例，就很难提供帮助。但是，我认为apply 是可以避免的。像这样的东西可以工作：

V <- array(NA, dim = c(nrow(pixDF), n))
tpixDF <- t(pixDF)
for (i in 1:n) {
  x <- Cov[, i, ]
  sdC <- sqrt(det(x))
  iC <- solve(x)
  mi <- Mean[i, ]
  k <- t(tpixDF - mi)
  V[, i] <- sdC*exp(-0.5*rowSums(k %*% iC * k))
}

另外，正如 Roland 提到的，inv 可能等于 solve。

【讨论】：

非常感谢，现在速度更快了。对不起，我是新来的，下次我会尝试给出一个可重现的例子。但是为什么solve 比inv 更好（或更精确）？而且，由于您的示例有效，* 发生在 %*% 之前，对吧？
@PedroM。您使用的是哪些软件包inv，您没有提到吗？例如pracma::inv 在其代码中使用solve。 %*% 首先发生。尝试运行k %*% (iC * k)...
@PedroM。 solve 如果您实际使用它来求解矩阵方程而不是反转矩阵，则更好，即使用solve(X, y) 而不是solve(X) %*% y。