你會如何在R（s + = i/2）中引入這個循環？

-2

f <- function(n){ 
    s <- 0 
    for (i in 1:n){ 
    s <- s + (i/2) 
    } 
    print(s) 
}

棘手的部分當然是s遞歸從以前的循環依賴的..你會如何在R（s + = i/2）中引入這個循環？

[編輯]

謝謝您的解答。我只是試圖用R中的矢量化來比較循環中的性能增量。

，其中n = 10億以上函數採用287秒，同時兼具sum((1:n)/2)和sum(seq_len(n)/2)返回我一個錯誤，該系統「不能分配大小7.5 GB的載體」

爲了比較，相同的功能（與正= 1000000000）在Julia需要38秒（0.87定義s的類型），在C++ 2.48秒/0.87編譯與優化和Python98秒/0.88使用Numba裝飾器。

來源

2016-11-30 Antonello

這不是'sum（1：n）/ 2'嗎？ – Psidom

你爲什麼要矢量化循環？它只是n *（n + 1）/ 4，可以在恆定的時間內計算。 –

這也取決於你的機器，我運行'sum（seq_len（n）/ 2）''n = 1000000000'，我得到了'2.5e + 17'作爲答案，沒有任何錯誤。平均需要大約5.5秒的時間。 – 989

你可以這樣做（如果n>0）：

sum(seq_len(n)/2) 

f(10) 
#[1] 27.5 

sum(seq_len(10)/2) 
#[1] 27.5

如果n<0：

sum((1:n)/2) 

n <- -11 
f(n) 
#[1] -32.5 

sum((1:n)/2) 
#[1] -32.5

只是一個快速的標杆：

library(microbenchmark) 
n <- 10000 

f1 <- function(n) sum(seq_len(n)/2) 
f2 <- function(n){ s <- 0;for (i in 1:n){s <- s + (i/2);};s} 

f1(n)==f2(n) 
# [1] TRUE 
microbenchmark(f1(n), f2(n)) 

# Unit: microseconds 
    # expr  min  lq  mean median  uq  max neval 
# f1(n) 20.733 22.235 27.51751 22.836 24.639 82.028 100 
# f2(n) 3971.008 4275.383 4517.52582 4484.510 4648.867 5867.272 100

來源

2016-11-30 15:33:10 989

您的編輯已在另一篇文章中得到解答。 – akrun

@PierreLafortune一個更好的方式來說這將是「這將與負數錯誤，而原來的代碼將**提供不正確的結果**因爲我會打賭你OP任何金錢根本沒有考慮負數 –

@ 989：我只是堅持用'seq_len'。 –

這是什麼意思？

n<-10 
print(sum((1:n)/2))

來源

2016-11-30 15:33:29 cccmir

你會如何在R（s + = i/2）中引入這個循環？

回答

相關問題