コードの速度を上げるためにRのforループを置き換えてください

Question

私は、Rがどのように返品が人の年金口座に影響するかを調査するためにRを使用しています。これを行うために、私は年金勘定の発展を25歳から1000歳の退職シナリオについて70歳の退職まで計算しています。私は費用（e）、毎月の預金（m）、パーセント（r）でのリターン、口座残高（y）とユーロ（x）でのリターンを変数を使用しています。これらはすべて46x1000のデータフレームに格納されます。

私はそれをforループを使って計算することに成功しました。しかし、これは非常に遅く、私はこれらの多くをやっているので、誰かがコードをスピードアップするアイディアを持っているのだろうかと思っています。私は適用関数とベクトル化を試しましたが、それを動作させることはできません。私の問題は、年iの数字を計算してから年i + 1の数字を計算する必要があることです。私は解決策をインターネットで検索しましたが、私の特定の問題に適用される回答を見つけるのは難しいです。私はまだAが使用してコードイムの簡易版を書かれている

R.

にかなり新たなんだということに注意してください：

for (i in 3:46) { 
x[i-1,]<-(y[i-1,]+m[i-1,]*6-0.5*e[i-1,])*r[i-1,] 
y[i,]<-y[i-1,]+x[i-1,]-e[i-1,]+m[i-1,]*12 
} 

私は、誰かが助けることができており、事前に感謝を願っています。

敬具 ラスマス

Answer 1

各反復は、その前に1に依存しているため、それは、ループを必要とするようにあなたのプロセスは、私には見えます。 @ Gregor de Cilliaがコメントに言及しているように、あなたはC++でスピードの向上を図ることができます。

まず、データを設定します。

set.seed(1) 
e <- matrix(data = rnorm(n = 46000, mean = 1000, sd = 200), 
         nrow = 46, 
         ncol = 1000) 
m <- matrix(data = rnorm(n = 46000, mean = 2000, sd = 200), 
         nrow = 46, 
         ncol = 1000) 
r <- matrix(data = rnorm(n = 46000, mean = 4, sd = 0.5), 
         nrow = 46, 
         ncol = 1000) 
x <- matrix(data = NA_real_, nrow = 45, ncol = 1000) 
y <- matrix(data = NA_real_, nrow = 46, ncol = 1000) 
y[1,] <- rnorm(n = 1000, 10000, 1000) 

RcppファイルでC++関数を定義します。これは二つの行列xとリスト項目としてyでリストを返します：

List pension(NumericMatrix e, 
       NumericMatrix m, 
       NumericMatrix r, 
       NumericVector yfirstrow) { 

    int ncols = e.cols(); 
    int nrows = e.rows(); 

    NumericMatrix x(nrows - 1, ncols); 
    NumericMatrix y(nrows, ncols); 

    y(0, _) = yfirstrow; 

    for(int i = 1; i < nrows; i++) { 
     x(i-1, _) = (y(i-1, _) + m(i-1, _) * 6 - 0.5 * e(i-1, _)) * r(i-1, _); 
     y(i, _) = y(i-1, _) + x(i-1, _) - e(i-1, _) + m(i-1, _)* 12; 
    }; 

    List ret; 
    ret["x"] = x; 
    ret["y"] = y; 

    return ret; 

} 

はスピードの2つの方法を比較してください。

microbenchmark::microbenchmark(
    R = { 
     for (i in 2:46) { 
      x[i-1,] <- unlist((y[i-1,] + m[i-1,]*6 - 0.5*e[i-1,]) * r[i-1,]) 
      y[i,]<- unlist(y[i-1,]+x[i-1,]-e[i-1,]+m[i-1,]*12) 
     } 
    }, 
    cpp = { 
     cppList <- pension(e, m, r, y[1,]) 
    }, 
    times = 100 
) 

必ず出力が一致を行います。

> identical(x, cppList$x) 
[1] TRUE 
> identical(y, cppList$y) 
[1] TRUE 

スピードテストの結果：

Unit: microseconds 
expr  min  lq  mean median  uq  max neval 
    R 3309.962 3986.569 6961.838 5244.479 6219.215 96576.592 100 
    cpp 879.713 992.229 1266.014 1124.345 1273.691 3041.966 100 

のでRcppソリューションはより速く、ここで5倍程度であるが、正直に言うと、Rループあなたが作ったデータセットに対してあまり目立たないことはありません（反復回数が45回で、Rループのオーバーヘッドはあまり大きな障害ではありません）。本当にスピードが必要な場合は、C++が役に立ちます。