如何重写这些 for 循环以在 R 中应用

Question

一个for循环的多个绘图

我正在开发一个绘图函数并编写了这些 for 循环。我一直在阅读 for 循环对 R 中的内存使用不利，我应该使用 apply 或其变体之一进行编程。 但我不明白应该将什么数据框或列表作为第一个参数传递。

我想将此代码替换为使用 apply 的代码：

BasicPlot(depth, var[,1], xtitle=xlab)
for(i in 2:ncol(var))
    BasicPlot(depth, var[,i], add=TRUE, xtitle=xlab, ...) 

如果您想知道我想要实现的目标，请查看我的DepthPlotter project on github。

编辑：在阅读this site 关于应用功能后，我找到了解决方案：

lapply(2:ncol(var), function(i) { BasicPlot(depth, var[,i], add=TRUE, xtitle=xlab, ...)})

这行得通，但给了我愚蠢的输出，在这种情况下是[[1]] NULL [[2]] NULL 等的列表，我可以通过用invisible(...) 包围代码来使其静音。

这实际上比以前的代码更好吗？它是 a) 更容易阅读和 b) 更快吗？

---

读取多个文件夹中的多个文件：双 for 循环

我正在尝试使用 apply 函数而不是我目前正在考虑的 for 循环来解决的第二个问题：

我想读取位于不同文件夹（命名为 959D22 到 959D41）中的多个光栅图像（命名为 1.png 到 8.png）。 我想根据文件夹和文件名将行名分配给列表项。这应该返回一个光栅图像列表，然后我可以以特定值将其添加到我的绘图中。

cores <- list.files("data/core_splitpics/") # folder names
pics <- list() # according to replies below, this is the sort of thing that makes for-loops bad in R, because I'm expanding a list step by step.
for(i in 1:length(cores)){ # loop over folders
    imgs  <- list.files(paste("data/core_splitpics/", cores[i]) # filenames in folder i
    for(j in 1:length(imgs)){ # loop over files
        pics[[i, j]] <- as.raster(readPNG(paste("data/core_splitpics", 
            cores[i], paste(j, ".png", sep=""), sep="/"))) # something like this
    }
}

阅读后，我仍然不知道构建此列表的最佳方法是什么。也许通过首先创建列表名称然后将光栅图像添加到这些条目？因为我想返回一个值，所以 apply 的变体在这里更好吗？

Answer 1

对于您的第一个问题，lapply 会增加复杂性，因为它会返回您未使用的列表，for 循环更简单但速度较慢，开销可能很大也可能不显着，具体取决于被调用函数的速度。

---

对于第二部分，我会这样做（例如虚拟输入，所以我保留了内部循环，如果不在内部循环中调用像 readPNG 这样的标量输入函数，则可以避免）：

cores <- list("A", "B", "C")
pics <- rep(list(vector("character",1)),length(cores))
for(i in 1:length(cores)) {
  imgs <- list("1","2","3")
  pics[[i]] <- vector("character",length(imgs))
  for(j in 1:length(imgs)) {
    pics[[i]][j] <- paste(cores[[i]],imgs[j],sep="/")
  }
}

这样您就不会在每次迭代中增长和复制，而是尽可能少地分配一次。

输出：

> pics
[[1]]
[1] "A/1" "A/2" "A/3"

[[2]]
[1] "B/1" "B/2" "B/3"

[[3]]
[1] "C/1" "C/2" "C/3"

为了更方便的访问，您可以通过names(pics) <- cores 获取：

> pics
$A
[1] "A/1" "A/2" "A/3"

$B
[1] "B/1" "B/2" "B/3"

$C
[1] "C/1" "C/2" "C/3"

因此您可以使用例如pics$A 单独访问每个核心。

最后，如果您想处理所有文件，只需 unlist(pics) 以获取所有文件的向量，您可以将其传递给 for 循环或 sapply 或将向量作为输入的任何其他函数。

> for(p in unlist(pics)) { print(p) }
[1] "A/1"
[1] "A/2"
[1] "A/3"
[1] "B/1"
[1] "B/2"
[1] "B/3"
[1] "C/1"
[1] "C/2"
[1] "C/3"

---

为了了解性能差异，我做了一些基准测试：

test.for <- function() {
  cores <- LETTERS[1:26]
  pics <- rep(list(vector("character",1)),length(cores))
  for(i in 1:length(cores)) {
    imgs <- 1:8
    pics[[i]] <- vector("character",length(imgs))
    for(j in 1:length(imgs)) {
      pics[[i]][j] <- paste(cores[[i]],imgs[j],sep="/")
    }
  }
  return(pics)
}

test.lapply <- function() {
  cores <- LETTERS[1:26]
  pics <- lapply( seq_along(cores), 
                   function(i) {
                     imgs <- 1:8
                     return(unlist(lapply( seq_along(imgs), 
                                          function(j) {
                                            paste( cores[[i]],
                                                   imgs[j],
                                                   sep="/"
                                                 )
                                          })
                                   )
                            )
                   })
  return(pics)
}

identical(test.for(),test.lapply())
microbenchmark(test.for(),test.lapply(),times=10L)

结果：

> identical(test.for(),test.lapply())
[1] TRUE
> microbenchmark(test.for(),test.lapply(),times=10L)
Unit: microseconds
          expr      min       lq     mean   median       uq      max neval
    test.for() 1241.166 1279.239 1392.894 1318.636 1405.375 1724.522    10
 test.lapply()  997.502 1013.393 1044.083 1024.152 1042.196 1155.090    10

在这个用例中，26 个字母乘 8 个数字的 for 循环并没有那么慢，但也许 lapply 也可以改进。