R语言中如何简便统计for循环各命令的迭代平均耗时？

不需要手动重复写Sys.time()计算差值，可通过封装计时逻辑或利用内置的system.time函数简洁实现，同时统一记录每个矩阵每次求逆的耗时，最后计算平均值。

方法一：批量循环计时 + 结果存储 #

先初始化列表记录每个矩阵的所有迭代耗时，在循环中对每个solve操作单独计时：

n <- 1000
P <- 3 # 替换为实际的矩阵数量
# 初始化存储时间的列表，每个元素对应一个矩阵的耗时记录
time_records <- vector("list", P)
names(time_records) <- paste0("matrix", 1:P)

for (i in 1:n) {
  # 遍历所有矩阵，计时并存储结果
  for (p in 1:P) {
    # 获取当前矩阵
    current_mat <- get(paste0("matrix", p))
    # 用system.time计时，提取用户CPU时间（可替换为"elapsed"获取总耗时）
    elapsed_time <- system.time({ inv_result <- solve(current_mat) })[["user.self"]]
    # 记录耗时
    time_records[[p]] <- c(time_records[[p]], elapsed_time)
    # 保存求逆结果（如果需要后续使用）
    assign(paste0("command", p), inv_result)
  }
  
  # 矩阵更新逻辑（保持原有代码不变）
  matrix1 <- update(matrix1)
  matrix2 <- update(matrix2)
  matrix3 <- update(matrix3)
  # ... 其余矩阵的更新操作
}

# 计算每个矩阵求逆的平均耗时
average_times <- sapply(time_records, mean)
print(average_times)

方法二：封装计时版solve函数 #

把计时逻辑封装成独立函数，让循环代码更整洁：

# 封装带计时的solve函数，返回求逆结果和耗时
timed_solve <- function(mat) {
  # 记录solve操作的用户CPU时间
  time_taken <- system.time({ inv_res <- solve(mat) })[["user.self"]]
  list(result = inv_res, time = time_taken)
}

n <- 1000
P <- 3
time_records <- vector("list", P)
names(time_records) <- paste0("matrix", 1:P)

for (i in 1:n) {
  # 对每个矩阵使用封装的计时函数
  res_mat1 <- timed_solve(matrix1)
  command1 <- res_mat1$result
  time_records[[1]] <- c(time_records[[1]], res_mat1$time)
  
  res_mat2 <- timed_solve(matrix2)
  command2 <- res_mat2$result
  time_records[[2]] <- c(time_records[[2]], res_mat2$time)
  
  res_mat3 <- timed_solve(matrix3)
  command3 <- res_mat3$result
  time_records[[3]] <- c(time_records[[3]], res_mat3$time)
  
  # 矩阵更新逻辑
  matrix1 <- update(matrix1)
  matrix2 <- update(matrix2)
  matrix3 <- update(matrix3)
}

# 计算平均耗时
average_times <- sapply(time_records, mean)
print(average_times)

补充说明 #

• system.time返回的结果中，user.self是用户CPU耗时，elapsed是实际流逝的总时间，可根据需求选择。
• 如果需要更精准的微秒级计时，可以使用proc.time()手动计算差值，或者使用microbenchmark包，但上述方法已经足够应对大部分场景，且代码简洁易维护。

内容的提问来源于stack exchange，提问作者androsrj