为何R中循环封装为函数提速8倍且快于vapply？

我正在研究R语言中循环与*apply函数的性能差异，通过三种方式计算前10000个三角形数：

• unwrapped：全局环境下的简单for循环
• wrapped：将上述循环封装为自定义函数
• vapply：使用vapply配合匿名函数

测试结果带来两个核心疑问：

1. 为何wrapped比unwrapped快近8倍？按直觉封装函数会涉及额外的调用操作，理应更慢；
2. 为何循环（无论是否封装）的性能都远优于vapply？原本预期vapply具备不弱于循环的优化能力。

测试代码及结果 #

microbenchmark::microbenchmark(
  unwrapped = {
    x <- numeric(10000)
    for (i in 1:10000) {
      x[i] <- i * (i + 1) / 2
    }
    x
  },
  wrapped = {
    tri_nums <- function(n) {
      x <- numeric(n)
      for (i in 1:n) {
        x[i] <- i * (i + 1) / 2
      }
      x
    }
    tri_nums(10000)
    },
  vapply = vapply(1:10000, \(i) i * (i + 1) / 2, numeric(1)),
  check = 'equal'
)
#> Unit: microseconds
#>       expr      min       lq     mean    median       uq       max neval
#>  unwrapped 2652.487 3006.888 3445.896 3150.7555 3832.094  7029.949   100
#>    wrapped  398.534  414.010  455.333  439.7445  469.307   656.074   100
#>     vapply 4942.000 5154.639 5937.333 5453.2880 5969.760 13730.718   100

Created on 2023-01-04 with reprex v2.0.2

问题解答 #

1. 封装函数的循环为何更快？

R的字节码编译器会自动对函数体内的代码进行编译优化，而全局环境中的代码是逐行解释执行的，没有编译步骤。函数定义时，R会将函数体转换为字节码，执行时直接运行编译后的字节码，速度远快于解释执行全局环境的循环。这就是为什么看似多了函数调用步骤，实际执行反而快很多的原因。

2. 为何vapply比循环慢？

vapply的本质是遍历每个元素并调用一次匿名函数，每次函数调用都有固定的开销（比如环境切换、参数传递）。而for循环是在同一个环境中连续执行计算，没有额外的函数调用开销。此外，vapply还要对每个返回值做类型检查（确保符合numeric(1)的要求），这也会增加少量额外开销。对于这种计算逻辑极简单的场景，函数调用的开销占比极高，导致vapply的性能远不如循环。

内容的提问来源于stack exchange，提问作者crf