如何用*apply族函数改写余弦值计算的for循环以提升性能？

原代码在处理50k行数据时性能低下，核心问题是循环中频繁使用rbind拼接结果，导致多次内存重分配。以下是用apply族函数的改写方案，同时补充更高效的向量化实现：

1. apply族函数实现 #

library(lsa)

# 示例数据
a <- data.frame(a=c(1, 2, 2, 3), b=c(2, 3, 4, 5))
b <- data.frame(a=c(1), b=c(2))

# 用apply逐行计算余弦相似度
a$cosinevalue <- apply(a, 1, function(row) {
  cosine(as.numeric(row), as.numeric(b))[1]
})

优化说明 #

• apply(a, 1, FUN)会遍历a的每一行（参数1代表按行处理），对每行执行匿名函数计算与b的余弦相似度。
• 结果直接返回为向量，无需手动用rbind拼接，避免了频繁内存重分配的性能损耗，代码更简洁。

2. 向量化实现（性能更优） #

如果处理50k级别的数据，纯向量化的矩阵运算会比apply更快（底层基于C实现），可以直接用余弦相似度的数学公式实现：

# 转换为矩阵/向量
b_vec <- as.numeric(b)
a_mat <- as.matrix(a)

# 计算分子：每行与b的点积
dot_product <- a_mat %*% b_vec
# 计算分母：每行模长 × b的模长
a_norm <- sqrt(rowSums(a_mat^2))
b_norm <- sqrt(sum(b_vec^2))
denominator <- a_norm * b_norm

# 计算余弦值（处理模长为0的边界情况）
a$cosinevalue <- ifelse(denominator == 0, 0, dot_product / denominator)

性能优势 #

这种方法完全避免了循环，利用R的矩阵运算特性，处理大规模数据时的效率会远高于apply和原for循环，同时结果与原代码一致。

内容的提问来源于stack exchange，提问作者Nithin Reddy