我目前正在做一个马尔科夫链模拟,用的是 markovchain
包,以及一个内循环和一个外循环。总共有1.752亿个值要被插入到一个数据框中,可复制的示例代码如下。这个已经运行了40多个小时了,我想知道如何才能加快这个速度?而且我很好奇是否有人能给我一个指示,说明完成计算可能需要多长时间。
我已经对代码进行了改进,使用了下面的 profvis
包。
library(markovchain)
library(dplyr)
library(expss)
#States and creation of Markov transition matrix
Locations <- c("Home", "Bakery", "Grocery", "Home-Bakery", "Home-Grocery", "Bakery-Home", "Bakery-Grocery", "Grocery-Home", "Grocery-Bakery")
matrixExample <- matrix(sample(runif(81, min = 0 , max =1), replace = FALSE ), nrow = 9, ncol = 9)
matrixExample <- matrixExample / rowSums(matrixExample)
colnames(matrixExample) <- Locations
rownames(matrixExample) <- Locations
matrixExample <- as(matrixExample, "markovchain")
mcListLoop <- rep(list(matrixExample), 96)
mcList <- new("markovchainList", markovchains = mcListLoop)
z <- 10
numDays <- 365
k <- numDays * 96
battery <- 72.5
km <- runif(9, min = 5, max =120)
Locations <- c("Home", "Bakery", "Grocery", "Home-Bakery", "Home-Grocery", "Bakery-Home", "Bakery-Grocery", "Grocery-Home", "Grocery-Bakery")
averageDistance <- data.frame(cbind(Locations, km))
averageDistance$km <- as.numeric(averageDistance$km)
Iteration <- rep(seq(1:96), 365)
#Recreate dataframe
df <- data.frame(Iteration, sample(Locations, k, replace = TRUE))
df <- rmarkovchain(n=365, object = mcList, t0= "Home", include.t0 = TRUE)
#To estimate the size of list
allDf<- rep(list(df), z)
#Start of the loop
for(y in 1:z){
df <- rmarkovchain(n=365, object = mcList, t0= "Home", include.t0 = TRUE)
df$Begin <- 0
df[1,3] <- battery
df$Still <- ifelse(df$values == "Home", 1, 0)
df$KM <- vlookup(df$values, averageDistance, lookup_column = 1, result_column = 2)
df$Load <- ifelse(df$Still == 1, 2.75, 0)
df$costDistance <- df$KM * 0.21
df$End <- 0
df[is.na(df)] <- 0
df$reduce <- rep(seq(1:97), numDays)
df <- df %>% filter(reduce != 97)
df$Load <- ifelse(df$reduce <= 69 | df$reduce >= 87, df$Load, 0)
for(i in 1:k) {
mainVector <- df[i,3]
extra <- df[i,6]
subtractingVector <- df[i,7]
mainVector <- ifelse(mainVector < battery, pmin(mainVector + extra, battery), mainVector )
newMain <- mainVector - subtractingVector
j <- i + 1
df[j,3] <- newMain
}
allDf[[y]] <- df
}
在内循环中会发生以下情况:在数据帧的同一个观测中,我有电池的起始容量[i,3],以及它是充电[i,6](停车时)还是放电[i,7](开车时)。下一个观测值[j,3]应该有第一个观测值[i,3]中的启动容量,并对(放电)量([i,6]或[i,7])进行修正。
我使用i7-8665CPU @ 1.90GHz与16gb内存运行此功能。
如果你想匹配你当前的计算,你可以用这个替换内循环。
mainVector <- rep(0, nrow(df) + 1L) # pre-allocate resulting vector
state <- battery # state at each iteration
extra <- df[, 6]
subtractingVector <- df[, 7]
mainVector[1] <- state # add to resulting vector
for (i in 1:k) {
if (state < battery) state <- min(state + extra[i], battery)
state <- state - subtractingVector[i]
j <- i + 1L
mainVector[j] <- state
}
df[nrow(df) + 1, ] <- NA # add NA row, so we can add longer vector to df
df[, 3] <- mainVector
在这里,我们分开 data.frame
在循环前将列作为向量,并将结果存储在向量中。df
循环后,因为在循环中花了很多时间在这个操作上+加入新的 NA
末尾 df
.
这样应该会快很多,但也可以进行其他改进。
你的代码似乎没有按照预期运行,有多个变量定义不正确,还有两个相同的循环。但我猜测是内部循环写得不好。
如果你有一些 df
与充电放电。
df <- data.table(charge = c(0, 0, 1, 2), discharge = c(1, 2, 0, 0))
一些初始状态。
b <- 1
然后你要计算所有的状态。
df$change <- df$charge - df$discharge
df$cumchange <- cumsum(df$change)
df$battery <- df$cumchange + b
df
# charge discharge change cumchange battery
# 1: 0 1 -1 -1 0
# 2: 0 2 -2 -3 -2
# 3: 1 0 1 -2 -1
# 4: 2 0 2 0 1
我认为你需要这样的内循环。 如果根据你的需求进行正确的调整,这应该会快得多。
P.S.正如Roland在这次改进后提到的那样 rmarkovchain
可能会成为瓶颈。