如何为microbenchmark()传递递增参数并生成待执行函数列表？

我来帮你搞定这个microbenchmark的迭代问题！你遇到的核心问题是作用域解析——直接在循环里用n的话，microbenchmark会按字面解析表达式，没法正确捕获当前循环的n值。下面分步骤给你讲解决方案，从循环传参到创建表达式列表，再到最后的对比绘图：

一、基础循环：用substitute动态传递n值 #

先假设你的测试函数是my_function（比如计算阶乘），我们可以用substitute()动态生成每个n对应的函数调用表达式，避免作用域问题：

# 示例测试函数
my_function <- function(n) {
  factorial(n) # 替换成你的实际函数逻辑
}

# 初始化结果列表
results_list <- list()

# 循环n从1到1000
for (n in 1:1000) {
  # 动态生成函数调用表达式：把n_val替换成当前循环的n
  expr <- substitute(my_function(n_val), list(n_val = n))
  # 运行microbenchmark，times=1
  bench_res <- microbenchmark::microbenchmark(!!expr, times = 1)
  # 给结果加上n标记，存入列表
  results_list[[as.character(n)]] <- cbind(bench_res, n = n)
}

这里的!!（bang-bang运算符）用来把生成的表达式展开，让microbenchmark正确识别要运行的函数调用。

二、更简洁的tidyverse风格：用purrr::map迭代 #

如果你习惯用tidyverse工具，purrr::map可以帮你省去循环的模板代码，而且局部变量的作用域更清晰：

library(purrr)
library(microbenchmark)

n_vals <- 1:1000

# 迭代每个n，运行测试并保存结果
results_list <- map(n_vals, function(n) {
  # 直接在匿名函数里用局部变量n，不会有作用域问题
  bench_res <- microbenchmark(my_function(n), times = 1)
  cbind(bench_res, n = n)
})

# 或者用bquote生成表达式的版本（和substitute效果类似）
results_list <- map(n_vals, function(n) {
  expr <- bquote(my_function(.(n))) # .(n)会替换成当前的n值
  bench_res <- microbenchmark(!!expr, times = 1)
  cbind(bench_res, n = n)
})

三、创建"仅声明不执行"的函数表达式列表 #

如果你想预先生成所有要测试的表达式（不立即执行），可以用map结合bquote批量创建：

# 生成所有n对应的函数调用表达式（仅声明，不执行）
expr_list <- map(1:1000, ~bquote(my_function(.(.x))))

# 批量运行所有表达式
results_list <- map(expr_list, ~microbenchmark(!!.x, times = 1))

# 给每个结果匹配对应的n值
results_list <- map2(results_list, 1:1000, ~cbind(.x, n = .y))

expr_list里的每个元素都是类似my_function(1)、my_function(2)的表达式，直到传给microbenchmark才会被执行。

四、整理结果并绘图对比 #

把列表合并成数据框后，用ggplot2就能轻松绘制执行时间随n变化的趋势，甚至对比多个函数：

1. 合并结果为数据框 #

# 基础方法：用do.call(rbind)
results_df <- do.call(rbind, results_list)

# tidyverse方法：用dplyr::bind_rows
library(dplyr)
results_df <- bind_rows(results_list)

2. 单函数时间趋势图 #

library(ggplot2)

ggplot(results_df, aes(x = n, y = time)) +
  geom_point(alpha = 0.5) + # alpha参数避免点重叠
  labs(x = "n值", y = "执行时间（纳秒）", title = "函数执行时间随n的变化") +
  theme_minimal()

3. 多函数对比图 #

如果要对比多个实现（比如递归阶乘和循环阶乘），只需要修改测试代码：

# 两个待对比的函数
func_recursive <- function(n) factorial(n)
func_loop <- function(n) {
  res <- 1
  for(i in 1:n) res <- res*i
  res
}

# 迭代测试两个函数
results_list <- map(1:1000, function(n) {
  bench_res <- microbenchmark(
    递归实现 = func_recursive(n),
    循环实现 = func_loop(n),
    times = 1
  )
  cbind(bench_res, n = n)
})

results_df <- bind_rows(results_list)

# 绘制对比图
ggplot(results_df, aes(x = n, y = time, color = expr)) +
  geom_point(alpha = 0.5) +
  labs(x = "n值", y = "执行时间（纳秒）", title = "不同实现的函数执行时间对比", color = "函数版本") +
  theme_minimal()

关键总结 #

• 解决传参失效：用substitute()/bquote()动态生成表达式，或在map的匿名函数中使用局部变量，避免microbenchmark的字面解析问题。
• 批量表达式：用map+bquote可以轻松创建不执行的函数调用列表。
• 可视化：合并结果为数据框后，ggplot2能直观展示时间趋势和函数对比。

内容的提问来源于stack exchange，提问作者applekwisp