ifelse 真的每次都计算它的两个向量吗？慢吗？

Posted 2023-02-16

【中文标题】ifelse 真的每次都计算它的两个向量吗？慢吗？

【英文标题】：Does ifelse really calculate both of its vectors every time? Is it slow?

【发布时间】：2013-04-22 21:54:28

【问题描述】：

ifelse 是否真的计算了 yes 和 no 向量——就像每个向量的整体一样？ 或者它只是从每个向量中计算一些值？

另外，ifelse 真的那么慢吗？

【参考方案1】：

是的。 （有例外）

ifelse 计算其yes 值和no 值。除非test 条件是全部TRUE 或全部FALSE。

我们可以通过生成随机数并观察实际生成了多少数字来看到这一点。 （通过恢复seed）。

# TEST CONDITION, ALL TRUE
set.seed(1)
dump  <- ifelse(rep(TRUE, 200), rnorm(200), rnorm(200))
next.random.number.after.all.true <- rnorm(1)

# TEST CONDITION, ALL FALSE
set.seed(1)
dump  <- ifelse(rep(FALSE, 200), rnorm(200), rnorm(200))
next.random.number.after.all.false <- rnorm(1)

# TEST CONDITION, MIXED
set.seed(1)
dump   <- ifelse(c(FALSE, rep(TRUE, 199)), rnorm(200), rnorm(200))
next.random.number.after.some.TRUE.some.FALSE <- rnorm(1)

# RESET THE SEED, GENERATE SEVERAL RANDOM NUMBERS TO SEARCH FOR A MATCH
set.seed(1)
r.1000 <- rnorm(1000)


cat("Quantity of random numbers generated during the `ifelse` statement when:", 
    "\n\tAll True  ", which(r.1000 == next.random.number.after.all.true) - 1,
    "\n\tAll False ", which(r.1000 == next.random.number.after.all.false) - 1,
    "\n\tMixed T/F ", which(r.1000 == next.random.number.after.some.TRUE.some.FALSE) - 1 
  )

给出以下输出：

Quantity of random numbers generated during the `ifelse` statement when: 
  All True   200 
  All False  200 
  Mixed T/F  400   <~~ Notice TWICE AS MANY numbers were
                       generated when `test` had both
                       T & F values present

---

我们也可以在源码本身中看到：

.
.
if (any(test[!nas]))    
    ans[test & !nas] <- rep(yes, length.out = length(ans))[test &   # <~~~~ This line and the one below
        !nas]
if (any(!test[!nas])) 
    ans[!test & !nas] <- rep(no, length.out = length(ans))[!test &  # <~~~~ ... are the cluprits
        !nas]
.
.

请注意，yes 和 no 仅在有 是test 的一些非NA 值，即TRUE 或FALSE（分别）。 在这一点上 - 这是效率方面的重要部分 - 每个向量的整体 被计算出来。

---

好的，但是速度会慢吗？

让我们看看我们是否可以测试它：

library(microbenchmark)

# Create some sample data
  N <- 1e4
  set.seed(1)
  X <- sample(c(seq(100), rep(NA, 100)), N, TRUE)
  Y <- ifelse(is.na(X), rnorm(X), NA)  # Y has reverse NA/not-NA setup than X

这两个语句产生相同的结果

yesifelse <- quote(sort(ifelse(is.na(X), Y+17, X-17 ) ))
noiflese  <- quote(sort(c(Y[is.na(X)]+17, X[is.na(Y)]-17)))

identical(eval(yesifelse), eval(noiflese))
# [1] TRUE

但一个比另一个快两倍

microbenchmark(eval(yesifelse), eval(noiflese), times=50L)

N = 1,000
Unit: milliseconds
            expr      min       lq   median       uq      max neval
 eval(yesifelse) 2.286621 2.348590 2.411776 2.537604 10.05973    50
  eval(noiflese) 1.088669 1.093864 1.122075 1.149558 61.23110    50

N = 10,000
Unit: milliseconds
            expr      min       lq   median       uq      max neval
 eval(yesifelse) 30.32039 36.19569 38.50461 40.84996 98.77294    50
  eval(noiflese) 12.70274 13.58295 14.38579 20.03587 21.68665    50

【讨论】：

我 +1 是因为我认为你已经做了非常彻底的调查工作，即使我认为你在比较两个不同的东西！

顺便说一句，我不是在抨击ifelse。事实上，我一直都在使用它，除非我需要效率。

我现在更好地理解了这一点。如果可以的话，我会给+2。我明白你的意思了。 ifelse 最好使用 rep(yes, length.out = length(ans) - sum(! test & ok ) ) 之类的东西而不是默认的 rep(yes, length.out = length(ans))[test & !nas] 来停止对 yes 的不必要评估。

yes 和 no 的实际重复可以忽略不计。但只是在分配yes 时，yes 被评估，同样在分配no 时no 被评估。因此成本

没有办法在 R 中“部分地”评估一个向量，所以实际上只有一种方法 ifelse 可以工作。