在我刚开始学习R语言的时候，曾经听到过如下论述：for循环要比while循环计算时间更短，对计算机造成的计算负担更小，同时在循环数目较大时，while可能会使电脑死机，所以我们应该尽量使用for循环。
这个想法在英文的R语言环境中似乎是一个common misconception，我当时是通过一个在澳洲念书的博主学到的这个观点。而当我二硕的第一节R语言课的时候，老师就澄清了这个misconception。今天这篇文章，我就带大家一起来看一下在R语言中，for循环和while循环在计算速度上是否有差异，而while循环是否有可能使电脑死机。
我们首先使用microbenchmark来比对如下两个分别使用for和while循环的操作，它们最终生成的结果都是一样的：
microbenchmark({vec <- rep(NA,100)for (i in 1:100){vec[i] <- i}},{vec <- rep(NA,100)i=1while (i<=100){vec[i] <- ii=i+1}})
下图是for和while循环分别所用的时间：
我们主要看mean部分，第一行是for循环平均耗时，第二行是while循环平均耗时。可以看到for循环确实比while循环要快一些，但是注意这里的单位是microsecond（微秒），所以两个100次的循环实际上只相差了100微秒（1秒=1百万微秒）的时间。
你可能会说，现在只有100次循环，如果你将循环次数增多，那么差距会更大。那么我们现在将循环次数增加到1000000次，结果如何呢？
我们可以看到，结果确实是while更久，这次的单位是millesecond（毫秒），所以具体的差异也就只有0.014秒而已……
总的来说，while循环确实在运行相同任务要比for循环更慢一些，理由也很简单：每一次while循环都要经历一次判断。但我们在上述的对比中也看到，这种差异对我们日常的使用是毫无影响的——因为日常情况下我们的循环次数大都不会超过一千或一万次，二即使经历1百万次循环，其差距也不过0.01秒左右……
所以，在执行相同任务情况下，从计算速度的层面上，我们并没有明确的理由偏爱while或者for，而更应该从任务的具体内容和实现方面来对其进行选择。
接下来我们来讨论在循环次数过大时，while是否更容易让计算机死机。其实我们在上述的代码中已经看到，while能够很好地执行百万次的循环。那么很多人所说的这种情况，是如何发生的呢？我们来看如下代码：
microbenchmark({vec <- NAi=1while (i<=100000){vec <- c(vec,i)i=i+1}})
上述代码还是在做一样的事情，做十万次（稍后会解释为什么只做十万次），不同的是这次我没有提前建立一个空向量，而是每次都给已有向量“附加”一个元素上去。这么做的后果是什么呢？
我们可以看到十万次的循环就已经消耗了85毫秒=85000微秒的时间，而之前一百万次的while循环则只消耗了31毫秒的时间。为何会这样呢？因为在新的做法中，计算机每次都需要读取vec向量，创建新的位置，再赋值相关的元素——vec向量的长度越长，占据的存储空间就越大，每次读取与存储的所需要的时间就会更长。所以这种做法所消耗的时间将随着循环次数指数级增长，这也是我没有做一百万次的原因——我的计算机根本就没有办法在短时间内给出结果……
相反，在先前的做法中，我提前建立了一个相应长度的空向量，所以每次循环计算机都只需要将相应元素填充至向量中即可，大大节省了相应的时间。
这种做法导致的时间暴增并不是while本身的问题，如果你使用for循环，但采用相同的方式，for循环同样面临着相同的问题：
大家可以看到，for循环的时间一样暴增到了57毫秒，而之前一百万次的for循环也只消耗了17毫秒时间……
现在给出我们的结论2：并不是while循环导致了计算机死机，而是“不良的”代码写作方式导致了计算机死机，我们需要避免的并不是while循环，而是“不良的”代码写作方式。
最后总结一下这篇文章的两个重要信息：
1. for循环的运算速度确实比while循环更快，但其差异在日常的任务表现中几乎可以忽略；
2. 在循环次数过多的情况下，while循环并不会导致计算机死机，不预先建立好空向量的代码写作方式才会导致运行速度暴增，而for循环也同样面临着这样的问题。
