“*應用”家庭真的沒有矢量化嗎？所以我們習慣于對每一個R的新用戶說apply不是矢量化的，看看帕特里克·伯恩斯r地獄第4圈“它說(我引述)：一個常見的反射是在應用程序家族中使用一個函數。這不是 矢量化，是循環隱藏。..Apply函數的定義中有一個for循環。lApplication函數掩埋循環，但執行時間往往與顯式for循環大致相等。實際上，快速查看一下apply源代碼顯示了循環：grep("for", capture.output(getAnywhere("apply")), value = TRUE)## [1] "        for (i in 1L:d2) {"  "    else for (i in 1L:d2) {"好的，但是看看lapply或vapply實際上展示了一幅完全不同的畫面：lapply## function (X, FUN, ...) ## {##     FUN <- match.fun(FUN)##     if (!is.vector(X) || is.object(X)) ##        X <- as.list(X)##     .Internal(lapply(X, FUN))## }## <bytecode: 0x000000000284b618>## <environment: namespace:base>所以很明顯沒有Rfor循環隱藏在那里，而是調用內部C編寫函數。快速瀏覽兔子 孔洞顯示了幾乎相同的圖片另外，讓我們把colMeans函數，它從未被指責沒有被傳送。colMeans# function (x, na.rm = FALSE, dims = 1L) # {#   if (is.data.frame(x)) #     x <- as.matrix(x)#   if (!is.array(x) || length(dn <- dim(x)) < 2L) #     stop("'x' must be an array of at least two dimensions")#   if (dims < 1L || dims > length(dn) - 1L) #     stop("invalid 'dims'")#   n <- prod(dn[1L:dims])#   dn <- dn[-(1L:dims)]#   z <- if (is.complex(x)) #     .Internal(colMeans(Re(x), n, prod(dn), na.rm)) + (0+1i) * #     .Internal(colMeans(Im(x), n, prod(dn), na.rm))#   else .Internal(colMeans(x, n, prod(dn), na.rm))#   if (length(dn) > 1L) {#     dim(z) <- dn#     dimnames(z) <- dimnames(x)[-(1L:dims)]#   }#   else names(z) <- dimnames(x)[[dims + 1]]#   z# }# <bytecode: 0x0000000008f89d20>#   <environment: namespace:base>哈?它也只是打電話.Internal(colMeans(...我們也可以在兔洞..所以這和.Internal(lapply(..?事實上，一個快速的基準測試顯示sapply表現不遜于colMeans比for用于大數據集的循環。m <- as.data.frame(matrix(1:1e7, ncol = 1e5))system.time(colMeans(m))# user  system elapsed # 1.69    0.03    1.73 system.time(sapply(m, mean))# user  system elapsed # 1.50    0.03    1.60 system.time(apply(m, 2, mean))# user  system elapsed # 3.84    0.03    3.90 system.time(for(i in 1:ncol(m)) mean(m[, i]))# user  system elapsed # 13.78    0.01   13.93換句話說，這么說對嗎？lapply和vapply 實際上是矢量化的(與apply這是for循環，它也調用lapply帕特里克·伯恩斯到底想說什么？