我不得不以下代碼：中的R變換的碼，使之更有效地

WBP2=lapply(1:2500,function(j){as.data.frame(lapply(1:10000,function(i) 
    {rowSums(data.frame((mapply(`*`,Theta[[j]],t(W[i,]),SIMPLIFY=FALSE))))}))})

W爲矩陣80倍的列和10000行，西塔是1000行和80列2500點的矩陣的列表。我們的目標是爲每2500次模擬創建10000個數據幀。每個data.frame將是一行W（W [i，]）乘以theta [[j]]的所有行（因此是80列和1000行的組合）的結果。我們只需要這個投資組合的每一行的總和，因此一列和1000行）

這裏的data.frame是一個可重複的代碼

W=matrix((1:80), nrow =10, ncol=4) 

theta= lapply(1:5,function(j){matrix((41:60),nrow=5,ncol=4)}) 

WBP=lapply(1:5,function(j){as.data.frame(lapply(1:10,function(i) 
{rowSums(data.frame(as.matrix(theta[[j]])%*%as.numeric(t(W[i,]))))}))}) 

View(WBP[[1]])

正如你可以看到，這是相當沉重，我的電腦不能實現這樣的事情。

有沒有辦法讓我的效率更高，更省時？

謝謝!!!

來源

2016-04-14 marie-odile28

的話你的代碼做 – Batanichek

看起來有些線性代數乘法解釋。什麼是數學等價物？ – chinsoon12

't（W [i，]）'的用法是什麼，因爲它是維度爲1，80的矩陣，甚至在轉置它之後，將生成具有相同維度的結果？ –

只能使用一個lapply

，如：

wbp1=function()lapply(1:5,function(j){as.data.frame(as.matrix(theta[[j]])%*%as.matrix(t(W)))})

或使用tcrossprod

wbp2=function()lapply(1:5,function(j){as.data.frame(tcrossprod(as.matrix(theta[[1]]),as.matrix(W)))})

benchamrk

您變種

WBP=function()lapply(1:5,function(j){as.data.frame(lapply(1:10,function(i) 
    {rowSums(data.frame(as.matrix(theta[[j]])%*%as.numeric(t(W[i,]))))}))}) 




microbenchmark(WBP(),wbp1(),wbp2()) 

Unit: microseconds 
    expr  min   lq  mean median  uq  max neval cld 
    WBP() 21965.723 22239.5595 24013.0301 22598.766 23971.683 80285.027 100 b 
wbp1() 613.607 623.5590 672.4546 645.174 665.855 2182.920 100 a 
wbp2() 513.153 523.5715 568.0328 542.699 558.715 1814.073 100 a

結果相同（只有名稱不同）all.equal(WBP(),wbp1())

來源

2016-04-14 14:19:09 Batanichek

中的R變換的碼，使之更有效地

回答

benchamrk

相關問題