向量化一个循环 [英] Vectorizing a loop

问题描述

我正在创建一些人造数据。我需要创建家庭ID（H_ID）和个人ID（P_ID，在每个家庭中）。

我找到了一种如何以矢量化的方式创建H_ID的方法。

  N < -  50 
 
 ###家用ID 
＃循环 -  for 
 set.seed（20110224）
 H_ID<  -  vector（integer，N）
 H_ID [1] < -  1 
 for（i in 2：N）if （1）< .5）H_ID [i] < -  H_ID [i-1] +1 else H_ID [i] < -  H_ID [i-1] 
 print（H_ID）
 
＃矢量化形式
 set.seed（20110224）
r <-c（0，runif（N-1））
 H_ID< cumsum（r< .5） 
 print（H_ID）
  

但是我不知道如何以矢量化方式创建P_ID 。

  ###人物ID 
＃loop-for 
 P_ID<  -  vector（integer如果（H_ID [i]> H_ID [i-1]）P_ID [i] < - >，则对于（i in 2：N） 1 else P_ID [i] < -  P_ID [i-1] +1 
 print（cbind（H_ID，P_ID））
 
＃向量化格式
＃ 
  

解决方案

受马丁摩根的解决方案到一个密切相关的问题，这是一个真正的矢量化的方式来产生 P_ID 使用 cummax 函数。一旦注意到 P_ID 与！（r）的 cumsum 密切相关， < 0.5）：

  set.seed（1）
 N < - （0，runif（N-1））
 H_ID< cumsum（r< .5）
 r_< r> = 0.5＃翻转生成H_ID的硬币。 
 z<  -  cumsum（r_）＃这几乎是P_ID;只需要减去适当的量... 
＃...并且通过cummax 
 P_ID < -  1 + z  -  cummax（z *（！r_））
> cbind（H_ID，P_ID）
 H_ID P_ID 
 [1，] 1 1 
 [2，] 1 2 
 [3，] 2 1 
 [4，] 3 1 
 [5，] 3 2 
 [6，] 3 3 
 [7，] 3 4 
 [8，] 4 1 
 [9，] 5 1 
 [10，] 5 2 
  

我没有做详细的时序测试，但是它可能很快就会变得邪恶，因为这些都是内部的，矢量化的函数

I am creating some artificial data. I need to create household ID (H_ID) and personal ID (P_ID, in each household).

I found a way how to create H_ID in vectorized way.

N <- 50

### Household ID
# loop-for
set.seed(20110224)
H_ID <- vector("integer", N)
H_ID[1] <- 1
for (i in 2:N) if (runif(1) < .5) H_ID[i] <- H_ID[i-1]+1 else H_ID[i] <- H_ID[i-1]
print(H_ID)

# vectorised form
set.seed(20110224)
r <- c(0, runif(N-1))
H_ID <- cumsum(r < .5)
print(H_ID)

But I can not figure out how to create P_ID in vectorized way.

### Person ID
# loop-for
P_ID <- vector("integer", N)
P_ID[1] <- 1
for (i in 2:N) if (H_ID[i] > H_ID[i-1]) P_ID[i] <- 1 else P_ID[i] <- P_ID[i-1]+1
print(cbind(H_ID, P_ID))

# vectorised form
# ???

解决方案

Inspired by Martin Morgan's solution to a closely related question, here's a truly vectorized way to generate the P_ID using the cummax function. It becomes clear once you note that P_ID is closely related to the cumsum of !(r < 0.5):

set.seed(1)
N <- 10
r <- c(0, runif(N-1))
H_ID <- cumsum(r < .5)
r_ <- r >= .5 # flip the coins that generated H_ID.
z <- cumsum(r_)  # this is almost P_ID; just need to subtract the right amount...
# ... and the right amount to subtract is obtained via cummax
P_ID <- 1 + z - cummax( z * (!r_) )
> cbind(H_ID, P_ID)
      H_ID P_ID
 [1,]    1    1
 [2,]    1    2
 [3,]    2    1
 [4,]    3    1
 [5,]    3    2
 [6,]    3    3
 [7,]    3    4
 [8,]    4    1
 [9,]    5    1
[10,]    5    2

I haven't done detailed timing tests, but it's probably wicked fast, since these are all internal, vectorized functions

这篇关于向量化一个循环的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！