为什么转换为``列表''改善了``lapply''的性能？

Question

我惊讶地发现第一行的运行速度比第二行慢得多，第二行的性能可疑地接近矢量化版本。如果处理列表比处理 numeric(n) 向量快得多，为什么 R 不自动将其输入转换为列表？

> system.time(lapply(1:10^7, sqrt))
   user  system elapsed
  4.445   0.204   4.692
> system.time(lapply(list(1:10^7), sqrt))
   user  system elapsed
  0.048   0.015   0.062
> system.time(sqrt(1:10^7))
   user  system elapsed
   0.04    0.00    0.04

这是版本信息

$ R --version
R version 4.1.3 (2022-03-10) -- "One Push-Up"
Copyright (C) 2022 The R Foundation for Statistical Computing
Platform: x86_64-apple-darwin21.4.0 (64-bit)

R is free software and comes with ABSOLUTELY NO WARRANTY.
You are welcome to redistribute it under the terms of the
GNU General Public License versions 2 or 3.
For more information about these matters see
https://www.gnu.org/licenses/.

$ sw_vers
ProductName:    macOS
ProductVersion: 12.3.1
BuildVersion:   21E258

Answer 1

原因是第二个表达式只是一个长度为 1 的 list

> length(list(1:10^7))
[1] 1

，这与直接应用 sqrt 基本相同。相反，如果我们想纯粹对 list 的每个元素执行此操作，则需要 as.list 而不是 list 即

> length(as.list(1:10^7))
[1] 10000000

---

转换为 <如果目的是循环遍历向量的每个元素，则不需要 vector 中的 code>list 。在向量中，每个元素都是一个单元（与矩阵相同 - 仅具有dim属性），但在data.frame/tibble/中data.table，每个单元是一列。因此，lapply 循环遍历 data.frame 中的单元，即列，其中作为 vector 中的单个元素。当我们用 list 包装一个向量时，它将整个向量封装为单个 list 元素

> list(1:3)
[[1]]
[1] 1 2 3

> as.list(1:3)
[[1]]
[1] 1

[[2]]
[1] 2

[[3]]
[1] 3

由于 sqrt 是一个向量化函数，当我们通过循环第一个列表来应用sqrt，它只循环一次，但在第二个列表中，它循环多次。

---

因此，我们得到了类似的计时（当然，额外的计时是将矢量转换为 list 与 as.list）

>  system.time(lapply(1:10^7, sqrt))
   user  system elapsed 
  4.364   0.220   4.748 
> system.time(lapply(as.list(1:10^7), sqrt))
   user  system elapsed 
  4.882   0.367   5.518 

更快的选择是使用 vapply （如果我们在循环上应用非向量化函数）

> system.time(vapply(1:10^7, sqrt, numeric(1)))
   user  system elapsed 
  2.464   0.172   2.633