如何让我的循环在R中运行得更快？

问题描述：

我正在使用函数从多个HWE卡方检验中获取p值。我正在遍历一个名为geno.data的大矩阵，它是（313行x 355232列）来执行此操作。我基本上是逐行循环两列矩阵。它运行非常缓慢。我怎样才能让它更快？由于如何让我的循环在R中运行得更快？

library(genetics) 
geno.data<-matrix(c("a","c"), nrow=313,ncol=355232) 
Num_of_SNPs<-ncol(geno.data) /2 
alleles<- vector(length = nrow(geno.data)) 
HWE_pvalues<-vector(length = Num_of_SNPs) 
j<- 1 

for (count in 1:Num_of_SNPs){ 
    for (i in 1:nrow(geno.data)){ 
     alleles[i]<- levels(genotype(paste(geno.data[i,c(2*j -1, 2*j)], collapse = "/"))) 
    } 
    g2 <- genotype(alleles) 
    HWE_pvalues[count]<-HWE.chisq(g2)[3] 
    j = j + 2 
}

请参阅http://*.com/questions/5963269/how-to-make-a-great-r-reproducible-example – csgillespie 2014-11-24 15:47:37

所以你正在做'选择（355232，2）'chisq测试？你碰巧认识fortran吗？ – rawr 2014-11-24 15:53:30

@rawr我不知道fortran。我正在使用R包中的函数来进行卡方检验。这是特定于我的问题。 – cooldood3490 2014-11-24 16:03:42

答

首先，注意张贴的代码将导致索引出界外的错误，因为毕竟主循环迭代Num_of_SNPs您j值将ncol(geno.data)-1和你所访问的列2*j-1和2*j。我假设你想要删除列2*count-1和2*count和j。

矢量化对于编写快速R代码非常重要。在你的代码中，你调用paste函数313次，每次传递长度为1的向量。一旦传递了长度为313的向量，R中的paste就会快得多。下面是main for循环的原始矢量化内部：

# Original 
get.pval1 <- function(count) { 
    for (i in 1:nrow(geno.data)){ 
    alleles[i]<- levels(genotype(paste(geno.data[i,c(2*count -1, 2*count)], collapse = "/"))) 
    } 
    g2 <- genotype(alleles) 
    HWE.chisq(g2)[3] 
} 

# Vectorized 
get.pval2 <- function(count) { 
    g2 <- genotype(paste0(geno.data[,2*count-1], "/", geno.data[,2*count])) 
    HWE.chisq(g2)[3] 
}

我们得到关于从量化20倍速度提升：

library(microbenchmark) 
all.equal(get.pval1(1), get.pval2(1)) 
# [1] TRUE 
microbenchmark(get.pval1(1), get.pval2(1)) 
# Unit: milliseconds 
#   expr  min  lq  mean median  uq  max neval 
# get.pval1(1) 299.24079 304.37386 323.28321 307.78947 313.97311 482.32384 100 
# get.pval2(1) 14.23288 14.64717 15.80856 15.11013 16.38012 36.04724 100

随着量化代码，你的代码应该在大约177616 * 0.01580856 =2807.853秒，或约45分钟完成（相比于16小时为原始代码）。如果对你来说这还不够快，那么我建议你看一下R中的parallel包。mcmapply应该给你一个很好的加速，因为外部for循环的每次迭代都是独立的。

如何让我的循环在R中运行得更快？

相关推荐