【Rベーシック】For ループ

For ループは「仕事を反復 (iterate) する」ループ機能の一つ。

for(条件){処理}

で表す。

前回紹介した While ループと違うのは、()内に繰り返す回数が入る事。

For ループの書き方と While ループとの違い

例1："Hello"とプリントする。

while ループだと、

# TRUEだったら"Hello"とプリントする。
while(TRUE){
   print("Hello")
}

上記をRUNすると、永遠に "Hello" を繰り返す。

output
> while(TRUE){
+ print("Hello")
+ }

[1] "Hello"
[1] "Hello"
[1] "Hello"
[1] "Hello"
[1] "Hello"
[1] "Hello"
[1] "Hello"
[1] "Hello"
[1] "Hello"
[1] "Hello"
[1] "Hello"
[1] "Hello"
.
.
.

"Hello" を永遠に繰り返す事になる。

これが for ループだと、

i in ○○

の条件を加える。

例えば、1:5とすると、1,2,3,4,5 と5回繰り返す事になる。

# "Hello"と5回プリントする。
for (i in 1:5){
    print("Hello")
}

上記をRUNすると、"Hello"が5回繰り返してプリントされる。

output
> for(i in 1:5){
+ print("Hello")
+ }

[1] "Hello"
[1] "Hello"
[1] "Hello"
[1] "Hello"
[1] "Hello"

別に1:5が(1,2,3,4,5)の5回でなくても、50:54の5回でも、"Taro","Jiro","Sabro","Shiro","Goro" の5回でもいい。

重要なのは、i (iterate) が条件内の数だけ繰り返す、という事。

for(i in 50:54){
print("Hello")
}

for(i in c("Taro","Jiro","Saburo","Shiro","Goro")){
print("Hello")
}

output
> for(i in 50:54){
+ print("Hello")
+ }

[1] "Hello"
[1] "Hello"
[1] "Hello"
[1] "Hello"
[1] "Hello"

> for(i in c("Taro","Jiro","Saburo","Shiro","Goro")){
+ print("Hello")
+ }

[1] "Hello"
[1] "Hello"
[1] "Hello"
[1] "Hello"
[1] "Hello"

例2：rnormで出てきた数 (5回) をプリントする。

rnormとは、特定の正規分布から無作為に値を抽出するための関数 (r:random, norm:normal)。

【Rで統計】正規分布とrnorm, dnorm, pnorm, qnorm
https://mom-neuroscience.com/r-normal-distribution/
Rを使った正規分布関連の覚書。正規分布 (normal distribution) とは正規分布とは、平均値と最頻値・中央値が一致し、それを軸として左右対称となっている確率分布。多くの統計的手法において、データが正 …

例えば、rnormで無作為に5回数字を抽出する時は、

# 無作為に数を5回抽出する
x <- rnorm(5)
x

output
[1] 1.8495625 -0.1489451 1.0428246 0.7056592 -0.7004000

これをプリントするためには、

# x をプリントする
print(x[1])
print(x[2])
print(x[3])
print(x[4])
print(x[5])

output
> print(x[1])
[1] 1.849562

> print(x[2])
[1] -0.1489451

> print(x[3])
[1] 1.042825

> print(x[4])
[1] 0.7056592

> print(x[5])
[1] -0.7004

[]の中が繰り返しになっているので、これをfor loopを使って書くと、

# for loopを使って5回プリント
for(j in 1:5){
    print(x[j])
}

output
[1] 1.849562
[1] -0.1489451
[1] 1.042825
[1] 0.7056592
[1] -0.7004

For ループと空ベクトル

上記は "print" で出力しているが、通常 R の for ループは出力を返さない。

データフレームの要素などにあてがう時は、空ベクターなどを先に作っておき、そこに処理結果を書き込むようにする。

空のベクトルやリストを作る場合は、

vector()

、データフレームの場合は

matrix()

と

data.frame()

を使用して作成できる。

空ベクトルの作り方は下記参照。

【Rベーシック】空ベクトル etc.を作る
https://mom-neuroscience.com/r-empty-vector/
データフレームの要素などにあてがう時は、空vectorなどを先に作っておき、そこに処理結果を書き込むようにする。空のvectorやlistを作る場合は、 vector() 、data frameの場合は matrix( …

他、下記のような方法も。

例3：データフレームCの列にAとBの和の値を入れる

Rはベクトル化されているので、本来は[]で充てがったり、dplyr::mutateを使って書けばOK。

# CがNAのベクターのデータフレームを作る
df1 <- data.frame(
    A = c(1,2,3,4,5),
    B = c(6,7,8,9,10),
    C = rep(NA,5)
    )

# Cの列にA + Bの結果を入れる
df1[,"C"] <- df1[,"A"] + df1[,"B"]
df1

output

# tidyverseをインストール
install.packages("tidyverse")
library(tidyverse)

# AとBの列が格納されたデータベースを作る
df2 <- data.frame(
    A=c(1,2,3,4,5),
    B=c(6,7,8,9,10)
)

# mutateで新しい列を作ってdf2に追加する
df2 <- mutate(df2, C = A + B)
df2

output

これを無理やりfor ループを使って書くとこんな感じ (※悪い例だけど、練習のために。)

# CがNAのベクターのデータフレームを作る
df3 <- data.frame(
    A = c(1,2,3,4,5),
    B = c(6,7,8,9,10),
    C = c(NA)
    )

# Cの列にはA + Bの結果が入る
for (i in 1:5){
    df3[i,"C"] = df3[i,"A"] + df3[i,"B"]
}
df3

output

Rでは for ループを使わない方が速い場合が多い

多くの言語で、for ループは非常に高速。

けれどもRでは for ループを使わない方が速いコードを書ける場合が多い。

それは、Rはベクトルベースの言語だから (だから、上記データフレームも、わざわざ for を使わず、ベクトルを利用した方が速い)。

小さなデータなら問題ないが、大きなデータになるほど処理速度が重要となってくる。

例4：1,-1,1,-1...という繰り返しの数が1000000回続いたベクトルの、すべての数を絶対値に変換する。

まずは、1,-1,1,-1...を1000000回繰り返すベクトルを作成する。

# ベクトルを作る
num1 <- rep(c(1,-1), 1000000)
num1

output
> num1 <- rep(c(1,-1),1000000)
> num1
[1] 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1
[24] -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1
[47] 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1
[70] -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1
[93] 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1
[116] -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1 1 -1
...(1000000回まで続く。)

これを for ループと if 構文を使って絶対値に変換する場合、

# for と if を使って絶対値にする
abs_for <- function(eg){
    for (i in 1:length(eg)){
        if (eg[i] < 0){
            eg[i]=-eg[i]
        }
    }
    eg
}

# 試しに vector X1 の中に入れて結果を見てみる
X1 <- abs_for
X1

output
> X1 <- abs_for
> X1
[1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
[36] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
[71] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
[106] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
[141] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
...(1000000回まで続く。)

次に、ベクトルを利用した書き方の場合。

# ベクトル内の各要素を絶対値に(要素が負の整数なら－1を掛ける)
abs_vec <- function(eg){
    neg <- eg < 0
    eg[neg] <- eg[neg] * -1
    eg
}

# 試しに vector X2 の中に入れて結果を見てみる
X2 <- abs_vec
X2

output
> X2 <- abs_vec
> X2
[1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
[36] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
[71] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
[106] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
[141] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
...(1000000回まで続く。)

結果は同じだけど、

system.time()

で処理速度をみてみると、

# For ループを使った時の処理速度
system.time(abs_loop(num1))

# ベクトルを利用した時の処理速度
system.time(abs_vec(num1))

output
> system.time(abs_loop(num1))
user system elapsed
0.12 0.00 0.17

> system.time(abs_vec(num1))
user system elapsed
0.03 0.00 0.03

"elapsed" の処理速度を見ると、For ループを使った時は0.17秒、ベクトルを利用して計算した時は0.03秒と、6倍ほど速くなっている。

ちなみに、Rには多くのベクトル化された関数があり、もっと高速に実行できるよう最適化されている。

上例の場合は、

abs()

を使うと、もっと速くできる。

# abs関数を使って絶対値に変換する
abs(num1)

# 処理速度をみてみる
system.time(abs(num1))

output
> system.time(abs(num1))
user system elapsed
0.00 0.02 0.02

結果は0.02秒と一番早かった。

For ループを高速化するためのポイント

R でも、ベクトル化できないコードはたくさんあり、For ループが効率的な場面はいくつもある。

その場合、下記2つのポイントを押さえて書くと、より高速化できる。

For ループを高速化するためのポイント

forループが必要ないものはできる限りループの外で処理を行う。
ループと共に使う保存用オブジェクトを、ループのすべての結果を格納できるくらいの大きさに設定しておく。

1. は、余計な操作を繰り返さないため。

2. は、保存用オブジェクトの大きさを予め決めておくことで、Rが何回も output を書き直さずに済むから。

例5：1から1000000まで順に並べていく。

# 初期状態の長さが1のオブジェクトに値を格納する場合
loop1 <- function() {
    output <- NA for (i in 1:1000000){
        output[i] <- i + 1
    }
}

# 初期状態の長さが1000000のオブジェクト (output) の値を格納する場合
loop2 <- function(){
    output <- rep(NA, 1000000)
    for (i in 1000000){
    output[i] <- i + 1
    }
}

# loop1 の処理速度は？
system.time(loop1())
# loop2の処理速度は？
system.time(loop2())

output
> system.time(loop1())
user system elapsed
0.19 0.10 0.35

> system.time(loop2())
user system elapsed
0.00 0.00 0.01

格納するオブジェクトの長さを決めていない場合 (loop1) の処理速度は 0.35秒。

格納するオブジェクトの長さを予め10000000と決めていた場合 (loop2) の処理速度は 0.01秒と、後者の方が速かった。

References

リンク
リンク
リンク
リンク

For ループの書き方と While ループとの違い

For ループと空ベクトル

Rでは for ループを使わない方が速い場合が多い

For ループを高速化するためのポイント

References

関連記事

コメントを残す コメントをキャンセル

コメントを残すコメントをキャンセル