社交网络分析的 R 基础：（四）循环与并行

537 0 0

作者:电脑玩家张高兴

前三章中列出的大多数示例代码都很短，并没有涉及到复杂的操作。从本章开始将会把前面介绍的数据结构组合起来，构成真正的程序。大部分程序是由条件语句和循环语句控制，R 语言中的条件语句（if-else）和 C 语言中类似此处就不再介绍，循环语句包括 for 和 while 控制块。循环是社交网络分析的主旋律，比如使用 for 循环遍历分析网络中的每一个节点。当网络规模足够大时，并行处理又变得十分必要。熟练掌握本章的内容后，你的程序将会优雅而自然。

循环语句

while

while 循环作为最简单的一种循环，只要满足条件（condition 为 TRUE），循环将会一直进行。

while (condition) {
    # TODO
}

在 R 语言中还存在特殊的关键字 repeat，在 repeat 控制块内的语句将会无限的执行。下面的示例代码效果是等价的：

repeat {
    # TODO
}

while (TRUE) {
    # TODO
}

for

R 语言中的 for 循环更像某些语言中的 foreach，本质上就是遍历向量（或其他数据结构）中的元素：

for (name in vector) {
    # TODO
}

下面的示例将会输出向量中的元素：

> v <- c("a", "b", "c")
> for (item in v) {
+     print(item)
+ }
[1] "a"
[1] "b"
[1] "c"

循环控制

有时当满足条件时，需要使用 break 退出循环：

while (TRUE) {
    # TODO
    if (condition) {
        break
    }
}

或者使用 next 退出当前循环（类似其他语言的 continue）：

for (name in vector) {
    # TODO
    if (condition) {
        next
    }
}

apply() 系列函数

R 语言中循环语句的执行效率是无法忍受的，这是因为循环语句是基于 R 语言本身来实现的，而向量操作是基于 C 语言实现的，所以应避免使用显式循环，使用 apply() 系列函数进行替代。举个例子，对一个矩阵的行求和，并封装一个函数，使用 for 循环应该是这样：

func1 <- function(matrix) {
    row_sum <- c()
    for (i in 1: nrow(matrix)) {
        row_sum[i] <- sum(matrix[i, ])  # 对每一行求和
    }

    return(row_sum)
}

使用 sapply() 可以这样简化代码：

func2 <- function(matrix) {
    return(sapply(1: nrow(matrix), function(i) { return(sum(matrix[i, ])) }))
}

下面测试一下两种方法的性能消耗：

> m <- matrix(c(1: (10000 * 10000)), nrow = 10000)  # 10000x10000 的方阵
> system.time(func1(m))
用户 系统  流逝
0.79 0.00 0.79
> system.time(func2(m))
用户 系统  流逝
0.72 0.00 0.72

上面的例子说明使用 for 循环不仅代码冗余，而且 for 循环实现的计算是耗时最长的，这就是为什么要了解 apply() 系列函数的原因。apply() 系列函数本身就是解决数据循环处理的问题，为了面向不同的数据类型，不同的返回值，apply() 函数组成了一个函数族。一般使用最多的是对矩阵处理的函数 apply() 以及对向量处理的函数 sapply()。

apply() 系列函数^[1]

apply()

apply() 函数用于多维数据的处理，比如矩阵。其本质上是对 for 循环的进一步封装，并不会加快计算速度。apply() 函数的定义如下：

apply(X, MARGIN, FUN)

内容来源于网络如有侵权请私信删除

文章来源: 博客园

原文链接: https://www.cnblogs.com/zhanggaoxing/p/15870839.html

标签： R语言 Delphi erlang verilog dart

你还没有登录，请先登录或注册！

还没有人评论，欢迎说说您的想法！

社交网络分析的 R 基础：（四）循环与并行