来自 STL 的向量

用 Rcpp 优化 R 代码

Romain François

Consulting Datactive, ThinkR

Rcpp 向量 vs STL 向量

Rcpp 向量

  • R 向量的轻量封装
  • 不能（高效地）改变大小：每次都会复制数据

STL 向量

  • 独立于 R 向量
  • 扩缩成本低：均摊拷贝
用 Rcpp 优化 R 代码

从向量中提取正值

向量化的 R 代码

extract_positives <- function(x){
    x[x>0]}

在循环中扩展向量的低效代码

extract_positives_loop <- function(x){
    y <- numeric()
    for( value in x){
        if( value > 0 ){
            y <- c(x, y)}  }
    y
}
用 Rcpp 优化 R 代码

提取正值：替代算法

  • 第一步：🔃 统计最终大小
NumericVector x ; 
int n = x.size() ;
int np = 0 ;
for( int i=0 ; i<n ; i++ ){ 
    if( ___ ){
        np++ ;
    }
}
用 Rcpp 优化 R 代码

提取正值：替代算法

  • 创建正确大小的向量
NumericVector result(np) ;
  • 第二步：🔃 填充向量
for( int i=0, j=0 ; i<n ; i++ ){
    if( ___ ){
        result[j++] = x[i] ;
    }
}
用 Rcpp 优化 R 代码

使用 STL 的更简洁算法

// [[Rcpp::export]]
std::vector<double> positives_stl( NumericVector x ){
    std::vector<double> out ;
    out.reserve( x.size() / 2 ) ;

    for( ___ ; ___ ; ___ ){
        if( ___ ){
            out.push_back(___) ;
        }
    }

    return out ;  
}
用 Rcpp 优化 R 代码

让我们练习！

用 Rcpp 优化 R 代码

Preparing Video For Download...