计算行和
发现的第二个瓶颈是计算行和。
total <- apply(d, 1, sum)
在上一个练习中，您将底层对象切换为矩阵。这样会让上述 apply 操作快约 3 倍。
但您还能做进一步优化——将 apply() 换成 rowSums()。
本练习是课程的一部分
高效 R 代码写作
练习说明
- 使用
rowSums()完成r_sum()函数。 - 使用
microbenchmark()函数比较app()与r_sum()的运行时间。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Example data
rolls
# Define the previous solution
app <- function(x) {
apply(x, 1, sum)
}
# Define the new solution
r_sum <- function(x) {
___(x)
}
# Compare the methods
microbenchmark(
app_sol = app(rolls),
r_sum_sol = ___
)