此练习的目的是创建营养摄入值的人群分布。早期数据中有重复的测量值，这些测量值已被删除，因此每一行都是数据框中唯一的人。
我有这段代码，在使用少量数据框行进行测试时效果非常好。对于所有 7135 行，速度非常慢。我试图给它计时，但当我的机器上的运行时间达到 15 小时时，我就崩溃了。这system.time结果是Timing stopped at: 55625.08 2985.39 58673.87.
我将不胜感激任何有关加快模拟速度的评论：
Male.MC <-c()
for (j in 1:100) {
for (i in 1:nrow(Male.Distrib)) {
u2 <- Male.Distrib$stddev_u2[i] * rnorm(1, mean = 0, sd = 1)
mc_bca <- Male.Distrib$FixedEff[i] + u2
temp <- Lambda.Value*mc_bca+1
ginv_a <- temp^(1/Lambda.Value)
d2ginv_a <- max(0,(1-Lambda.Value)*temp^(1/Lambda.Value-2))
mc_amount <- ginv_a + d2ginv_a * Male.Resid.Var / 2
z <- data.frame(
RespondentID = Male.Distrib$RespondentID[i],
Subgroup = Male.Distrib$Subgroup[i],
mc_amount = mc_amount,
IndvWeight = Male.Distrib$INDWTS[i]/100
)
Male.MC <- as.data.frame(rbind(Male.MC,z))
}
}
对于我的数据集中的 7135 个观测值中的每一个，创建 100 个模拟营养值，然后转换回原始测量水平（模拟使用 BoxCox 转换营养值的非线性混合效应模型的结果）。
我不想使用for循环，正如我读到的那样，它们效率低下R但我对基于的选项了解不够apply使用它们作为替代方案。R如果在独立计算机上运行，通常这将是运行 Windows 7 变体的标准戴尔型台式机，如果这会影响如何更改代码的建议。
更新：要重现此内容以进行测试，Lambda.Value=0.4 且Male.Resid.Var=12.1029420429778 和Male.Distrib$stddev_u2是所有观测值的常数值。
str(Male.Distrib) is
'data.frame': 7135 obs. of 14 variables:
$ RndmEff : num 1.34 -5.86 -3.65 2.7 3.53 ...
$ RespondentID: num 9966 9967 9970 9972 9974 ...
$ Subgroup : Ord.factor w/ 6 levels "3"<"4"<"5"<"6"<..: 4 3 2 4 1 4 2 5 1 2 ...
$ RespondentID: int 9966 9967 9970 9972 9974 9976 9978 9979 9982 9993 ...
$ Replicates : num 41067 2322 17434 21723 375 ...
$ IntakeAmt : num 33.45 2.53 9.58 43.34 55.66 ...
$ RACE : int 2 3 2 2 3 2 2 2 2 1 ...
$ INDWTS : num 41067 2322 17434 21723 375 ...
$ TOTWTS : num 1.21e+08 1.21e+08 1.21e+08 1.21e+08 1.21e+08 ...
$ GRPWTS : num 41657878 22715139 10520535 41657878 10791729 ...
$ NUMSUBJECTS : int 1466 1100 1424 1466 1061 1466 1424 1252 1061 1424 ...
$ TOTSUBJECTS : int 7135 7135 7135 7135 7135 7135 7135 7135 7135 7135 ...
$ FixedEff : num 6.09 6.76 7.08 6.09 6.18 ...
$ stddev_u2 : num 2.65 2.65 2.65 2.65 2.65 ...
head(Male.Distrib) is
RndmEff RespondentID Subgroup RespondentID Replicates IntakeAmt RACE INDWTS TOTWTS GRPWTS NUMSUBJECTS TOTSUBJECTS FixedEff stddev_u2
1 1.343753 9966 6 9966 41067 33.449808 2 41067 120622201 41657878 1466 7135 6.089918 2.645938
2 -5.856516 9967 5 9967 2322 2.533528 3 2322 120622201 22715139 1100 7135 6.755664 2.645938
3 -3.648339 9970 4 9970 17434 9.575439 2 17434 120622201 10520535 1424 7135 7.079757 2.645938
4 2.697533 9972 6 9972 21723 43.340180 2 21723 120622201 41657878 1466 7135 6.089918 2.645938
5 3.531878 9974 3 9974 375 55.660607 3 375 120622201 10791729 1061 7135 6.176319 2.645938
6 6.627767 9976 6 9976 48889 91.480049 2 48889 120622201 41657878 1466 7135 6.089918 2.645938
更新 2：导致该问题的函数行NaN结果是
d2ginv_a <- max(0,(1-Lambda.Value)*temp^(1/Lambda.Value-2))
感谢大家的帮助和评论，以及回复的速度。
更新：@Ben Bolker 是正确的，这是负面的temp导致 NaN 问题的值。我通过一些测试错过了这一点（在注释掉该函数之后，这样只有temp返回值，并调用我的结果数据框Test）。这段代码重现了NaN issue:
> min(Test)
[1] -2.103819
> min(Test)^(1/Lambda.Value)
[1] NaN
但是将值作为值输入，然后运行相同的（？）计算会给我一个结果，所以我在进行手动计算时错过了这一点：
> -2.103819^(1/Lambda.Value)
[1] -6.419792
我现在有工作代码（我认为）使用矢量化，而且速度快得令人眼花缭乱。为了防止其他人遇到这个问题，我在下面发布了工作代码。我必须添加最小值以防止计算出现 rnorm结果到数据帧，这确实减慢了速度，以这种方式创建它们然后使用cbind真的很快。Male.Distrib是我的 7135 个观测值的完整数据框，但此代码应该适用于我之前发布的缩减版本（未经测试）。
Min_bca <- ((.5*min(Male.AddSugar$IntakeAmt))^Lambda.Value-1)/Lambda.Value
Test <- Male.Distrib[rep(seq.int(1,nrow(Male.Distrib)), 100), 1:ncol(Male.Distrib)]
RnormOutput <- rnorm(nrow(Test),0,1)
Male.Final <- cbind(Test,RnormOutput)
Male.Final$mc_bca <- Male.Final$FixedEff + (Male.Final$stddev_u2 * Male.Final$RnormOutput)
Male.Final$temp <- ifelse(Lambda.Value*Male.Final$mc_bca+1 > Lambda.Value*Min_bca+1,
Lambda.Value*Male.Final$mc_bca+1, Lambda.Value*Min_bca+1)
Male.Final$ginv_a <- Male.Final$temp^(1/Lambda.Value)
Male.Final$d2ginv_a <- ifelse(0 > (1-Lambda.Value)*Male.Final$temp^(1/Lambda.Value-2),
0, (1-Lambda.Value)*Male.Final$temp^(1/Lambda.Value-2))
Male.Final$mc_amount <- Male.Final$ginv_a + Male.Final$d2ginv_a * Male.Resid.Var / 2
当日课程：
- 如果您尝试执行我之前尝试的操作，则分布函数似乎不会在循环中重新采样
- 你不能使用
max()我尝试的方式，因为它返回列中的最大值，而我想要两个值中的最大值。这ifelse声明是替换之一要做的。
