R语言：将计算子向量中6占比的循环代码向量化

嘿，我来帮你优化这段计算子向量中数字6占比的代码！你提到的获取不同子向量中6的计数确实是原代码里效率瓶颈的核心，咱们一步步来改进它：

原代码的两个主要性能问题：

• 每次循环调用table()：table()会统计子向量中所有数字的频率，但你只关心数字6的数量，这会做很多无用功；而且随着子向量越来越长，重复遍历的开销会越来越大。
• 用c()动态扩展sixes.ratio：每次调用c()都会创建一个新向量并复制原有数据，当循环次数达到1000次（对应10万样本）时，内存开销和时间损耗会非常明显。

R最擅长向量化操作，我们可以用**累积和（cumsum()）**来一次性计算所有位置的累积6的数量，再直接提取我们需要的步长值，完全不用循环：

rolls.max <- 100000
a <- sample(1:6, size=rolls.max, replace=TRUE)

# 第一步：标记每个元素是否为6，得到逻辑向量
is_six <- a == 6
# 第二步：计算累积的6的数量——前1个、前2个...前100000个元素中6的总数
cumulative_sixes <- cumsum(is_six)
# 第三步：提取每100步的累积值，计算占比
indices <- seq(100, rolls.max, by=100)
sixes.ratio <- cumulative_sixes[indices] / indices

这个方案的优势：

• 只需要遍历原始向量一次，计算效率比循环高几个数量级
• 直接预分配结果向量，避免了动态扩展的内存浪费
• 逻辑清晰，代码简洁易读

如果你因为某些原因必须保留循环结构，也可以做两个关键优化：

1. 预分配结果向量的长度，避免c()的动态扩展
2. 用sum()代替table()来统计6的数量，因为sum()只关注我们需要的条件，比table()高效得多

rolls.max <- 100000
a <- sample(1:6, size=rolls.max, replace=TRUE)

# 预分配结果向量，长度等于循环次数
n_steps <- rolls.max %/% 100
sixes.ratio <- numeric(n_steps)

for(i in 1:n_steps) {
  end <- i * 100
  # 直接统计前end个元素中等于6的数量，比table快很多
  sixes.count <- sum(a[1:end] == 6)
  sixes.ratio[i] <- sixes.count / end
}

这样修改后，循环的性能会比原代码提升不少，尤其是当样本量很大的时候。

内容的提问来源于stack exchange，提问作者Codey