R：向量化运算符

    假设我们希望对向量x中的每一个元素使用函数f()。在很多情况下，我们可以简单地对x调用f()就能完成。这可以简化我们的代码，不仅如此，还能将代码运行效率显著提高到数百倍甚至更多。

 

►向量输入，向量输出

    提高R代码执行速度的有效方法之一是向量化(vectorize)，这意味着应用到向量上的函数实际上应用在其每一个元素上。

> u <- c( 5, 2, 8 )

> v <- c( 1, 2, 9 )

> u > v

[1]  TRUE FALSE FALSE

> w <- function( x ) return( x + 1 )

> w( u )

[1] 6 3 9

    在这里，>函数分别运用在u[1] 和v[1]，得到结果TRUE，然后是u[2] 和 v[2]，得到结果FALSE，以此类推。关键在于，如果一个函数使用了向量化的运算符，那么它也被向量化了，从而使速度提升成为可能。w()使用了向量化的运算符+，从而w()也是向量化的。正如你看到的，存在无数个向量化的函数，因为用简单的向量化函数可以构建更复杂的函数。

> y <- c( 12, 5, 13 )

> y + 4

[1] 16  9 17

> '+' ( y, 4 )

[1] 16  9 17

> f <- function( x, c ) return ( (x+c)^2 )> f( 1:3, 0 )

[1] 1 4 9

> f( 1:3, 0 )

[1] 1 4 9

> f( 1:3, 1:3 )

[1]  4 16 36

    在这里定义的f()，我们希望c是一个标量，但实际上它当然是一个长度为1的向量。即使我们调用f()时给c指定的是单个数值，在f()计算x+c时，它也会通过循环补齐的方式延展为一个向量。

 

►向量输入，矩阵输出

    到目前为止，我们涉及的向量化函数应用于标量时返回值也是标量。对单个数值调用sqrt()函数得到的结果也是单个数值。

> z12 <- function(z) return ( c( z, z^2 ) )

> x <- 1 : 8

> z12( x ) 

[1]  1  2  3  4  5  6  7  8  1  4  9 16 25 36 49 64

> matrix( z12(x), ncol=2 )     

       [,1] [,2]

[1,]    1    1

[2,]    2    4

[3,]    3    9

[4,]    4   16

[5,]    5   25

[6,]    6   36

[7,]    7   49

[8,]    8   64

> z12 <- function(z) return ( c( z, z^2 ) )

> sapply( 1:8, z12 )     

      [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8]

[1,]   1    2     3    4     5     6    7     8

[2,]   1    4     9    16    25   36   49    64

注：可以用sapply()（它是simplify apply的缩写）来简化这一切。调用sapply(x,f)即可对x的每一个元素使用函数f()，并将结果转化为矩阵。