Idea

在你的for循环中，当你从索引i开始迭代时，你实际上并不需要获取所有出现的高/低命中，只要在first hit(无论是高还是低)出现在j处，就停止迭代.然后你用i+1刷新你的起点，重复上面的过程.

换句话说，你的原点方法min(which(...))是不必要的低效，因为它给出了所有索引信息，并且只取第一个，而如果你终止迭代，只要你找到第一个命中，然后进入下一轮，它可能会快得多.

Code

也许你可以试试下面的for个循环

L <- length(x)
hit <- vector(length = L)
for (i in 1:L) {
   for (j in i:L) {
      d <- x[j] - x[i]
      if (d >= con) {
         hit[i] <- 1
         break
      }
      if (d <= -con) {
         break
      }
   }
}

benchmark

定义候选人如下

f1 <- function() {
   hit <- NULL
   for (i in 1:length(x)) {
      hithi <- min(which(x[i:length(x)] >= x[i] + con))
      hithi <- ifelse(is.infinite(hithi), length(x), hithi)
      hitlo <- min(which(x[i:length(x)] <= x[i] - con))
      hitlo <- ifelse(is.infinite(hitlo), length(x), hitlo)
      hit[i] <- ifelse(hithi < hitlo, 1, 0)
   }
   hit
}

f2 <- function() {
   L <- length(x)
   hit <- vector(length = L)
   for (i in 1:L) {
      xi <- x[i]
      for (j in i:L) {
         d <- x[j] - xi
         if (d >= con) {
            hit[i] <- 1
            break
         }
         if (d <= -con) {
            break
         }
      }
   }
   hit
}

我们运行以下基准测试

set.seed(0)
x <- cumsum(rnorm(10000))
con <- 5
microbenchmark(
   f1 = f1(),
   f2 = f2(),
   times = 10L,
   unit = "relative",
   check = "equivalent"
)

我们看到，

Unit: relative
 expr      min       lq     mean   median       uq      max neval
   f1 23.86287 24.56557 23.66208 24.22205 23.91301 21.11874    10
   f2  1.00000  1.00000  1.00000  1.00000  1.00000  1.00000    10

显示f2比f1快23x如果你想进一步提高速度，你可以在Rcpp中重写代码.