为何在R向量中用for循环赋值比范围索引赋值更慢？

我们先创建一个长度为50000的字符向量：

vec <- rep(x = "a", times = 50000)

接下来需要将索引41000到48000之间的所有元素赋值为"b"，这里有两种实现方式：

方法一：向量化赋值 #

vec[41000:48000] <- "b"

在测试设备上耗时约0.106秒。

方法二：for循环逐个赋值 #

for (i in 41000:48000){ vec[i] <- "b" }

在测试设备上耗时约0.125秒。

耗时差异的核心原因： #

• 底层实现的效率差距：R的向量化操作是基于C语言实现的批量处理，它会一次性锁定目标索引对应的内存区间，直接完成整块数据的修改，没有额外的循环调度成本。
• 循环的迭代开销：R中的for循环是解释执行的，每一次迭代都要重复做变量解析、索引定位、赋值操作的调度逻辑，7001次迭代下来，这些细碎的开销累加后就会拉高总耗时。
• 内存访问效率不同：向量化操作能充分利用内存的连续性，减少碎片化的内存读写；而循环逐个赋值会多次触发小范围的内存操作，整体效率更低。

内容的提问来源于stack exchange，提问作者Julien Larget-Piet