1. Vectorize用的mapply，其實還是迴圈，而且表現更糟
2. rt沒有辦法直接執行原PO想要的那種方式，你可以自己用Rcpp刻一個
3. 花時間查資料，有時候不如看文件或是source code來的有效
Vectorize直接看應該不難找到重點
rt可以直接看文件
會看到df degrees of freedom (> 0, maybe non-integer). df = Inf is allowed.
這裡很明顯告訴你他不能用vector of degrees of freedom....
下面我比較一下幾種做法：
n <- 20
theta <- seq(0, 1, len=100) + 0.001 # add small value to avoid warning
for_loop_rt <- function(n, theta) {
stopifnot(length(n) == 1, abs(n - floor(n)) < 1e-8)
X <- matrix(NA, n, length(theta))
for (i in seq_along(theta))
X[ , i] <- rt(n, theta[i])
return(X)
}
library(compiler)
for_loop_rt_compiled <- cmpfun(for_loop_rt)
rt_vectorized <- Vectorize(rt)
library(microbenchmark)
microbenchmark(
sapply = sapply(theta, function(t) rt(20, 1/t)),
vectorized = rt_vectorized(rep(n, length(theta)), theta, ncp = rep(0,
length(theta))),
for_loop = for_loop_rt(n, theta),
for_loop_cmpfun = for_loop_rt_compiled(n, theta)
)
# Unit: microseconds
# expr min lq mean median uq max neval
# sapply 556.8 576.10 597.278 584.30 594.25 1639.1 100
# vectorized 898.6 923.45 1041.179 936.45 961.45 2637.4 100
# for_loop 546.4 557.00 649.992 564.85 571.65 5844.1 100
# for_loop_cmpfun 541.9 558.65 679.358 566.45 573.85 2290.1 100
這結果，很諷刺地告訴你用Vectorize只是讓事情更糟而已XDDDDDD
然後反而用for loop最快.... 這件事情其實我有在板上談過....
matrix操作 R真的很快.... 試著相信R一下^.<
※ 引述《locka (locka)》之銘言：
: 感謝 celestialgod 版主大大提點:
: 以前以為 *apply 家族的函數就已經是向量化(vectorized)的寫法了
: 查了資料才發現其實底層背後還是有 for 迴圈 (覺得震撼啊...)
: 試試看這樣的寫法
: theta <- seq(0,1,len=100)
: df <- rep(19,len=100)
: n <- rep(20,len=100)
: vrt <- Vectorize(rt)
: x <- vrt(n=n, df=df, ncp=1/theta)
: 於是 x[,1] ... x[,100] 就是100個 n 等於20 然後對應各自 delta 值的 t 分配樣本了
: (但是不知道 df, n 的預先定義有沒有意義?)
: 請版上各位高手再指點~ 謝謝大家
: ======
: 補充：
: 但還是有查到 *apply function 的好處:
: 1. 程式易讀性
: 2. 會 pre-allocate 向量的記憶體空間
: 2. 只影響區域變數不會改變全域變數
: ref: https://www.r-bloggers.com/vectorization-in-r-why/
: ※ 引述《ntpuisbest (阿龍)》之銘言：
: : n <- 20
: : theta=seq(0,1,len=100)
: : rt(n ,1/theta )
: : 如題
: : 我想要生100組 ，每組都是n=20的t分配樣本
: : 只是這100組的theta都不一樣
: : 我像上面那樣打 只會回傳20個樣本
: : 並不是我想要的 2000個樣本 請問要如何打才能要我要的結果
: : 想避免for loop
: : 用loop的話 我知道怎麼做