为何R语言中outer函数比for循环运行速度更慢？

我们生成了两个长度为10000的随机向量u和v，分别用outer函数和for循环生成u < v的比较矩阵，结果显示outer耗时显著更长，但两者输出完全一致。测试代码如下：

u <- rnorm(10000)
v <- rnorm(10000)

# `outer`
system.time(mat1 <- outer(u, v , `<`))
#    user  system elapsed 
#    1.80    1.34    3.32 

# `for` loop
system.time({
  mat2 <- matrix(NA, nrow = length(u), ncol = length(v))
  for(i in seq_along(v)) {
    mat2[, i] <- u < v[i]
  }
})
#    user  system elapsed 
#    0.97    0.02    1.01 

identical(mat1, mat2)
# [1] TRUE

速度差异的核心原因 #

• outer的内存开销远大于循环
  outer函数的底层逻辑是先将输入向量扩展为两个超大一维向量：把u重复length(v)次（得到1e8个元素的向量），把v按列重复length(u)次（同样得到1e8个元素的向量），再对这两个大向量逐元素调用比较函数。这种操作会占用海量临时内存，带来大量内存分配、数据拷贝的开销——从测试结果的system时间就能看出差异：outer的系统耗时是1.34秒，而循环仅0.02秒，这部分差异主要来自内存操作。

• 向量化的底层实现效率不同
  for循环中的u < v[i]是R原生优化的向量化操作，直接通过C级别的代码完成整个向量的比较，没有额外的包装开销。而outer需要先完成向量扩展的冗余步骤，再处理超大型向量的比较，中间环节更多，效率自然更低。

• 循环的内存使用更紧凑
  循环是预先分配好结果矩阵，再逐列填充计算结果，每次仅处理1万个元素的比较，内存占用始终保持在可控范围，不会产生临时的超大向量，垃圾回收（GC）的压力也小很多。

内容的提问来源于stack exchange，提问作者Julien