讓這個循環更快R中

Question

我如何可以加快以下（小白）代碼：

#"mymatrix" is the matrix of word counts (docs X terms) 
#"tfidfmatrix" is the transformed matrix 
tfidfmatrix = Matrix(mymatrix, nrow=num_of_docs, ncol=num_of_words, sparse=T) 

#Apply a transformation on each row of the matrix 
for(i in 1:dim(mymatrix)[[1]]){ 
    r = mymatrix[i,] 
    s = sapply(r, function(x) ifelse(x==0, 0, (1+log(x))*log((1+ndocs)/(1+x)))) 
    tfmat[i,] = s/sqrt(sum(s^2)) 
} 
return (tfidfmatrix) 

問題是，我工作的矩陣是相當大的（〜40kX100k），而這種代碼是非常慢。

我不使用「apply」（而不是使用for循環和sapply）的原因是應用將給我矩陣的轉置我想 - 我想num_of_docs X num_of_words，但應用會給我轉置。那麼我將不得不花更多的時間來計算轉置並重新分配它。

任何想法讓這個更快？

非常感謝。

編輯：我發現下面的建議大大加快了我的代碼（除了讓我感到愚蠢）。我可以從哪裏學習編寫「優化」R代碼的任何建議？

編輯2：好的，所以有些事情是不對的。一旦我做了s.vec[!is.finite(s.vec)] <- 0 s.vec的每個元素都被設置爲0.只是重新迭代我的原始矩陣是一個包含整數的稀疏矩陣。這是由於我正在使用的Matrix軟件包的一些怪癖。當我做s.vec[which(s.vec==-Inf)] <- 0事情按預期工作。思考？

Answer 1

不知道什麼ndocs是，但ifelse已經是矢量，所以你應該能夠使用ifelse聲明，非經行矩陣行和sapply沿着排走。最後的計算也可以這樣說。

但是，你沒有給一個完整的例子來複制...

mymatrix <- matrix(runif(100),nrow=10) 
tfmat <- matrix(nrow=10, ncol=10) 
ndocs <- 1 

s.vec <- ifelse(mymatrix==0, 0, 1 + log(mymatrix)) * log((1 + ndocs)/(1 + mymatrix)) 

for(i in 1:dim(mymatrix)[[1]]){ 
    r = mymatrix[i,] 
    s = sapply(r, function(x) ifelse(x==0, 0, (1+log(x))*log((1+ndocs)/(1+x)))) 
    tfmat[i,] <- s 
} 

all.equal(s.vec, tfmat) 

所以錯過了唯一的一塊是在最終計算的rowSums。

tfmat.vec <- s.vec/sqrt(rowSums(s.vec^2)) 

for(i in 1:dim(mymatrix)[[1]]){ 
    r = mymatrix[i,] 
    s = sapply(r, function(x) ifelse(x==0, 0, (1+log(x))*log((1+ndocs)/(1+x)))) 
    tfmat[i,] = s/sqrt(sum(s^2)) 
} 

all.equal(tfmat, tfmat.vec) 

Answer 2

按我的意見，

#Slightly larger example data 
mymatrix <- matrix(runif(10000),nrow=10) 
mymatrix[sample(10000,100)] <- 0 
tfmat <- matrix(nrow=10, ncol=1000) 
ndocs <- 1 

justin <- function(){ 
    s.vec <- ifelse(mymatrix==0, 0, (1 + log(mymatrix)) * log((1 + ndocs)/(1 + mymatrix))) 
    tfmat.vec <- s.vec/sqrt(rowSums(s.vec^2)) 
} 

joran <- function(){ 
    s.vec <- (1 + log(mymatrix)) * log((1 + ndocs)/(1 + mymatrix)) 
    s.vec[!is.finite(s.vec)] <- 0 
    tfmat.vec <- s.vec/sqrt(rowSums(s.vec^2)) 
} 

require(rbenchmark)  
benchmark(justin(),joran(),replications = 1000) 

    test replications elapsed relative user.self sys.self user.child sys.child 
2 joran()   1000 0.940 1.00000  0.842 0.105   0   0 
1 justin()   1000 2.786 2.96383  2.617 0.187   0   0 

因此，它是圍繞快3倍左右。