Ускоренный цикл binom.test?

Question

У меня есть вектор успехов и хочу, чтобы бинон.test проводил по каждому из значений. Есть ли более быстрый способ, чем этот цикл (у меня есть довольно много):

successes <-rbinom(100, 625, 1/5) 
x <-NULL 
for (i in 1:100) { 
x <-append(x, binom.test(successes[i], 625, 1/5)$p.value) 
} 

Answer 1

Вместо цикл можно использовать для расчета sapply()p.values для каждого значения успехов.

pp <- sapply(successes, function(x) binom.test(x, 625, 1/5)$p.value) 

Если вам нужно реальное ускорение процесса вы можете использовать преимущество пакета data.table. Сначала конвертируйте successes в data.table объект. Затем вычислите для каждой строки p.value.

library(data.table) 
dt<-data.table(successes) 
dt[,pp:=binom.test(successes, 625, 1/5)$p.value,by=successes] 

Answer 2

Wow data.table действительно быстрый и, кажется, просто работает! Многие из значений в successes повторяются, поэтому можно сэкономить время, выполнив дорогостоящие вычисления binom.test только по уникальным значениям.

fasterbinom <- function(x, ...) { 
    u <- unique(x) 
    idx <- match(x, u) 
    sapply(u, function(elt, ...) binom.test(elt, ...)$p.value, ...)[idx] 
} 

Для некоторых тайминги, мы имеем

dtbinom <- function(x, ...) { 
    dt <- data.table(x) 
    dt[, pp:=binom.test(x, ...)$p.value, by=x]$pp 
} 

с

> successes <-rbinom(100000, 625, 1/5) 
> identical(fasterbinom(successes, 625, .2), dtbinom(successes, 625, .2)) 
[1] TRUE 
> library(rbenchmark) 
> benchmark(fasterbinom(successes, 625, .2), dtbinom(successes, 625, .2)) 
           test replications elapsed relative user.self 
2  dtbinom(successes, 625, 0.2)   100 4.265 1.019  4.252 
1 fasterbinom(successes, 625, 0.2)   100 4.184 1.000  4.124 
    sys.self user.child sys.child 
2 0.008   0   0 
1 0.052   0   0 

Интересно в этом случае сравнить зацикливание подходы

f0 <- function(s, ...) { 
    x0 <-NULL 
    for (i in seq_along(s)) 
     x0 <-append(x0, binom.test(s[i], ...)$p.value) 
    x0 
} 

f1 <- function(s, ...) { 
    x1 <- numeric(length(s)) 
    for (i in seq_along(s)) 
     x1[i] <- binom.test(s[i], ...)$p.value 
    x1 
} 

f2 <- function(s, ...) 
    sapply(s, function(x, ...) binom.test(x, ...)$p.value, ...) 

f3 <- function(s, ...) 
    vapply(s, function(x, ...) binom.test(x, ...)$p.value, numeric(1), ...) 

где f1 я как правило, лучше использовать стратегию «предварительно распределить и заполнить» при использовании for, f2 - это sapply, что устраняет возможность плохо сформированного цикла for из пользовательского захвата, а f3 - более безопасная и потенциально более быстрая версия sapply, которая гарантирует, что каждый результат числовое значение длины-1.

Каждая функция возвращает тот же результат

> n <- 1000 
> xx <-rbinom(n, 625, 1/5) 
> res0 <- f0(xx, 625, .2) 
> identical(res0, f1(xx, 625, .2)) 
[1] TRUE 
> identical(res0, f2(xx, 625, .2)) 
[1] TRUE 
> identical(res0, f3(xx, 625, .2)) 
[1] TRUE 

apply и в то время -как методы около 10% быстрее, чем для петель (в данном случае, разница между F0 и F1 может быть гораздо более существенным, когда отдельные элементы являются большими)

> benchmark(f0(xx, 625, .2), f1(xx, 625, .2), f2(xx, 625, .2), 
+   f3(xx, 625, .2), replications=5) 
       test replications elapsed relative user.self sys.self user.child 
1 f0(xx, 625, 0.2)   5 2.303 1.100  2.300  0   0 
2 f1(xx, 625, 0.2)   5 2.361 1.128  2.356  0   0 
3 f2(xx, 625, 0.2)   5 2.093 1.000  2.088  0   0 
4 f3(xx, 625, 0.2)   5 2.212 1.057  2.208  0   0 
    sys.child 
1   0 
2   0 
3   0 
4   0 

реальная скорость от голубевода алгоритма fasterbinom/dtbinom.

> identical(res0, fasterbinom(xx, 625, .2)) 
[1] TRUE 
> benchmark(f2(xx, 625, .2), fasterbinom(xx, 625, .2), replications=5) 
         test replications elapsed relative user.self sys.self 
1   f2(xx, 625, 0.2)   5 2.146 16.258  2.145  0 
2 fasterbinom(xx, 625, 0.2)   5 0.132 1.000  0.132  0 
    user.child sys.child 
1   0   0 
2   0   0