正如已经指出的,vapply
做了两件事:
- 速度略有提高
- 通过提供有限的返回类型检查来提高一致性。
第二点是更大的优势,因为它有助于在错误发生之前捕获错误并导致更健壮的代码。这个返回值检查可以通过使用单独完成sapply
其次是stopifnot
确保返回值与您的预期一致,但是vapply
稍微容易一些(如果有更多限制,因为自定义错误检查代码可以检查边界内的值等)。
这是一个例子vapply
确保您的结果符合预期。这与我在抓取 PDF 时所做的事情类似,其中findD
会使用一个regex匹配原始文本数据中的模式(例如,我有一个列表split
按实体,以及匹配每个实体内的地址的正则表达式。有时,PDF 会被乱序转换,并且一个实体会有两个地址,这会导致问题)。
> input1 <- list( letters[1:5], letters[3:12], letters[c(5,2,4,7,1)] )
> input2 <- list( letters[1:5], letters[3:12], letters[c(2,5,4,7,15,4)] )
> findD <- function(x) x[x=="d"]
> sapply(input1, findD )
[1] "d" "d" "d"
> sapply(input2, findD )
[[1]]
[1] "d"
[[2]]
[1] "d"
[[3]]
[1] "d" "d"
> vapply(input1, findD, "" )
[1] "d" "d" "d"
> vapply(input2, findD, "" )
Error in vapply(input2, findD, "") : values must be length 1,
but FUN(X[[3]]) result is length 2
因为 input2 的第三个元素中有两个 d,所以 vapply 会产生错误。但是 sapply 将输出的类从字符向量更改为列表,这可能会破坏下游代码。
正如我告诉我的学生的那样,成为一名程序员的一部分就是将你的心态从“错误很烦人”转变为“错误是我的朋友”。
零长度输入
一个相关点是,如果输入长度为零,sapply
无论输入类型如何,都将始终返回空列表。比较:
sapply(1:5, identity)
## [1] 1 2 3 4 5
sapply(integer(), identity)
## list()
vapply(1:5, identity, integer(1))
## [1] 1 2 3 4 5
vapply(integer(), identity, integer(1))
## integer(0)
With vapply
,保证您有特定类型的输出,因此您不需要为零长度输入编写额外的检查。
基准测试
vapply
可能会快一点,因为它已经知道它应该期望结果的格式。
input1.long <- rep(input1,10000)
library(microbenchmark)
m <- microbenchmark(
sapply(input1.long, findD ),
vapply(input1.long, findD, "" )
)
library(ggplot2)
library(taRifx) # autoplot.microbenchmark is moving to the microbenchmark package in the next release so this should be unnecessary soon
autoplot(m)