在 R 中构建这个 ifelse 循环的最快方法

Question

我想做的是：

1. 生成一个介于 0 和 1 之间的随机数

   rand_number <- runif(1,0,1)
   

2. 根据生成的随机数，我将值 1、2、3、4 或 5 归因于变量 bet_choice

   bet_choice <- ifelse(rand_number<0.1,1,
                    ifelse(rand_number>0.1 & rand_number<=0.4,2,
                           ifelse(rand_number>0.4 & rand_number<=0.7,3,
                                  ifelse(rand_number>0.7 & rand_number<=0.9,4,5))))
   

我重复这个模拟 1000 次，我觉得使用 ifelse 不是实现这个目标的最佳方式。有没有办法避免ifelse循环，提高这部分代码的性能？

如果有人对完整代码感兴趣，我有我想要做的事情的完整代码 (https://quant.stackexchange.com/questions/12868/kelly-capital-growth-investment-strategy-example-in-r)。

Answer 1

我赞成 josilber 的回答，因为我认为它非常好。但我只想补充一点，你实际上是从一个特定的离散分布中抽样的，在这个分布中你使用统一随机变量来选择具有正确概率的随机数。您可以使用sample 获得与以下相同的结果：

s <- sample(1:5, size = 1000, replace = TRUE, prob = c(0.1, 0.3, 0.3, 0.2, 0.1))

您可以自己测试，但我相信这应该会更快。

edit我现在已经用以下方法对其进行了测试：

library(microbenchmark)
s1 <- function() sample(1:5, size = 1000, replace = TRUE, prob = c(.1,.3,.3,.2,.1))
s2 <- function() sample.int(5, size = 1000, replace = TRUE, prob = c(.1,.3,.3,.2,.1))
microbenchmark(s1(), s2())
#Unit: microseconds
# expr    min     lq median     uq    max neval
# s1() 39.389 40.536 41.300 41.683 76.483   100
# s2() 29.828 30.594 31.358 31.741 43.213   100

似乎sample.int 的速度甚至比 josilber 的 version2 快 16.9 倍。