在R中使用列表(作为tibble列)进行向量化

重要的是要理解，R中的vectorization意味着你不需要循环，B/C有人已经为你做了循环.重要的是，最终会有某种循环.

"经常"依赖现成的向量化比自己编写循环更快的原因是，前一种情况下的循环是在C级上完成的，can级更快，但有时差异甚至不明显:

library(microbenchmark)
x <- seq_len(10000000L)
 
microbenchmark(
  vec = sum(x),
  lp = {sm <- 0; for(i in seq_along(x)) sm <- sm + x[i]; sm}
)
# Unit: nanoseconds
#  expr       min        lq      mean    median        uq       max neval cld
#   vec       100       200      2745       350      4450     19300   100  a 
#    lp 327515400 340921350 367242236 351582100 383396050 603997400   100   b

看起来很多，但要注意单位，所以基本上循环结束在0.32sec，而R循环需要0.0000001sec.从相对值来看，这是一个巨大的进步，但从绝对值来看，你几乎看不出有什么不同.

底线是，你不应该害怕R级循环，b/c它们比它们的声誉要好得多.如果循环有自然的替代品，那么一定要try ，但如果避免它们的代价是数据 struct 过于臃肿，请毫不犹豫地使用它们.

现在来谈谈你手头的问题.

could将数据转换为长格式，并逐个获取最后一行.您可以更进一步，使用带有适当密钥的data.table:

library(microbenchmark)
library(tibble)
library(tidyr)
library(dplyr)
library(data.table)

create_data <- function(nr_indiv, max_per_indiv) {
  l <- replicate(nr_indiv, sample(10000L, sample(max_per_indiv, 1L)))
  tibble(id = seq_len(nr_indiv), load = l)
}

set.seed(20022024)
list_data <- create_data(10000, 1000)
lng_data <- unnest(list_data, cols = load)
dt_data <- copy(lng_data)
setDT(dt_data)
setkey(dt_data, "id")

my_check <- function(x) {
  isTRUE(all.equal(x$lst, x$lng %>% pull(load), check.attributes = FALSE)) &&
  isTRUE(all.equal(x$lst, x$dt[, load], check.attributes = FALSE)) &&
  isTRUE(all.equal(x$lst, c(x$ta), check.attributes = FALSE)) &&
  isTRUE(all.equal(x$lst, x$base, check.attributes = FALSE)) &&
  isTRUE(all.equal(x$lst, x$flt %>% pull(load), check.attributes = FALSE))
}

microbenchmark(
  lst = map_int(list_data$load, tail, n = 1L),
  lng = slice_tail(lng_data, n = 1L, by = id), 
  dt = dt_data[, .(load = tail(load, 1L)), "id"], 
  ta = tapply(lng_data$load, lng_data$id, tail, n = 1L),
  base = vapply(list_data$load, tail, integer(1L), n = 1L),
  flt = lng_data %>% filter(ord == 1L),
  check = my_check
)

# Unit: milliseconds
#  expr      min        lq       mean     median         uq       max neval   cld
#   lst  70.5403  77.40405   93.87981   87.87985  101.53635  280.5060   100 a    
#   lng 916.2937 971.14420 1053.53934 1004.19125 1133.12665 1434.2933   100  b   
#    dt  18.4768  19.47870   28.12581   20.64565   37.49055   64.8045   100   c  
#    ta 315.0710 357.06000  407.04557  368.03110  453.28390  687.4518   100    d 
#  base  65.5528  75.40010   85.31279   85.87180   94.14265  116.5428   100 a    
#   flt  44.4467  47.46310   55.71809   50.85525   57.62820  244.5270   100     e

tidyverse长格式解决方案比purrr循环差，而data.table长格式解决方案更好(不包括创建数据 struct 的开销)，Filter方法介于两者之间，而基循环与purrr相当，因此即使purrr的轻微开销也可以忽略不计.

将会有更多的解决方案，但从第一次快速测试来看，在我看来，list解决方案总体上并不那么糟糕，在我看来，同样(如果不是更重要的话)，相当容易阅读和理解.

不要害怕循环，如果没有直接的自然向量化方法，一定要使用它们.