Итак, мы привыкли говорить каждому новому пользователю R, что "apply
не является векторизованным, посмотрите Patrick Burns R Inferno Circle 4", который гласит: (Цитирую):
Общим рефлексом является использование функции в семействе apply. Это не векторизация, она скрывается в контуре. Функция apply имеет цикл for его определение. Функция lapply завершает цикл, но выполнение раз, как правило, примерно равны явному циклу.
Действительно, быстрый просмотр исходного кода apply
показывает цикл:
grep("for", capture.output(getAnywhere("apply")), value = TRUE)
## [1] " for (i in 1L:d2) {" " else for (i in 1L:d2) {"
Хорошо пока, но посмотрите на lapply
или vapply
на самом деле показывает совершенно другое изображение:
lapply
## function (X, FUN, ...)
## {
## FUN <- match.fun(FUN)
## if (!is.vector(X) || is.object(X))
## X <- as.list(X)
## .Internal(lapply(X, FUN))
## }
## <bytecode: 0x000000000284b618>
## <environment: namespace:base>
Таким образом, видимо, здесь не существует петли R for
, а они вызывают внутреннюю C-написанную функцию.
Быстрый просмотр кролика отверстие показывает почти ту же картину
Кроме того, возьмем, например, функцию colMeans
, которая никогда не была обвинена в том, что она не была подвергнута векторизации
colMeans
# function (x, na.rm = FALSE, dims = 1L)
# {
# if (is.data.frame(x))
# x <- as.matrix(x)
# if (!is.array(x) || length(dn <- dim(x)) < 2L)
# stop("'x' must be an array of at least two dimensions")
# if (dims < 1L || dims > length(dn) - 1L)
# stop("invalid 'dims'")
# n <- prod(dn[1L:dims])
# dn <- dn[-(1L:dims)]
# z <- if (is.complex(x))
# .Internal(colMeans(Re(x), n, prod(dn), na.rm)) + (0+1i) *
# .Internal(colMeans(Im(x), n, prod(dn), na.rm))
# else .Internal(colMeans(x, n, prod(dn), na.rm))
# if (length(dn) > 1L) {
# dim(z) <- dn
# dimnames(z) <- dimnames(x)[-(1L:dims)]
# }
# else names(z) <- dimnames(x)[[dims + 1]]
# z
# }
# <bytecode: 0x0000000008f89d20>
# <environment: namespace:base>
А? Он также просто вызывает .Internal(colMeans(...
, который мы также можем найти в кроличьей дыре. Итак, как это отличается от .Internal(lapply(..
?
На самом деле быстрый тест показывает, что sapply
выполняет не хуже colMeans
и намного лучше, чем цикл for
для большого набора данных
m <- as.data.frame(matrix(1:1e7, ncol = 1e5))
system.time(colMeans(m))
# user system elapsed
# 1.69 0.03 1.73
system.time(sapply(m, mean))
# user system elapsed
# 1.50 0.03 1.60
system.time(apply(m, 2, mean))
# user system elapsed
# 3.84 0.03 3.90
system.time(for(i in 1:ncol(m)) mean(m[, i]))
# user system elapsed
# 13.78 0.01 13.93
Другими словами, правильно ли сказать, что lapply
и vapply
на самом деле векторизованы (по сравнению с apply
, который представляет собой цикл for
, который также вызывает lapply
) и что действительно сказал Патрик Бернс?