用 future_map() 做更多事

R 并行编程

Nabeel Imam

Data Scientist

数据与场景

head(data)

   state  year month plurality
 1 AK     1995     1         1
 2 AK     1995     1         1
 3 AK     1995     1         1
 4 AK     1995     1         1
 5 AK     1995     1         1
 6 AK     1995     1         1

生成新的字符列

twins <- function (x) {
    ifelse(x == 2,"Twins", "Not twins")
}

为双胞胎打标签

plan(multisession, workers = 4)


data %>%
 mutate(label = future_map_chr(plurality, twins))


plan(sequential)

   state  year month plurality label    
 1 AK     1995     1         1 Not twins
 2 AK     1995     1         1 Not twins
 3 AK     1995     1         1 Not twins
 4 AK     1995     1         1 Not twins
 5 AK     1995     1         1 Not twins
 6 AK     1995     1         1 Not twins
 7 AK     1995     1         1 Not twins
 8 AK     1995     1         1 Not twins
 9 AK     1995     1         1 Not twins
10 AK     1995     1         1 Not twins
...

为双胞胎打标签

microbenchmark(
  "map_chr" = {
    data %>%
 mutate(label = map_chr(plurality, twins))
  },
  "future_map_chr" = {
    data %>%
 mutate(label = future_map_chr(plurality, twins))
  }
)

Unit: seconds
            expr     mean   median neval
1        map_chr 72.69067 73.50705    10
2 future_map_chr 34.52351 34.56357    10

流程图展示使用 map_chr() 与 future_map_chr() 创建"label"列。future_map_chr() 将执行时间减少 50%。

分组操作

双胞胎占比

birth_prop <- function (df) {

  N <- sum(df$plurality == 2)  # 双胞胎出生总数
  prop <- N/nrow(df)           # 占所有出生的比例
  names(prop) <- "proportion"  # 为值命名

  return(prop) 
}

分组操作

一个数据集包含组 A、B、C。按组拆分数据，聚合数值，再合并为每组一行的数据集。

分组操作

plan(multisession, workers = 6)


data %>%
  # 按州拆分，传入 future_map_dfr()
  split(data$state) %>%

  # 只在此处提供函数
  future_map_dfr(birth_prop,

  # 分组列名传给 .id 参数
                 .id = "state")

plan(sequential)

结果按行绑定为一个数据框

   year  proportion
 1 AK        0.0114
 2 AL        0.0264
 3 AR        0.0196
 4 AZ        0.0218
 5 CA        0.0197
 6 CO        0.0217
 7 CT        0.0225
 8 DC        0.0283
 9 DE        0.0268
10 FL        0.0212
...

使用全局变量

# 第二个参数指定多胎数值
birth_prop <- function (df, plur_value) {

  N <- sum(df$plurality == plur_value) # 指定多胎的总出生数
  prop <- N/nrow(df)                   
  names(prop) <- "proportion"          

  return(prop) 
}


new_plur <- 3 # 全局单值变量

使用全局变量

config <- furrr_options(globals = "new_plur")


plan(multisession, workers = 4)


data %>%
  split(data$state) %>% 
  future_map_dfr(birth_prop,
                 plur_value = new_plur,
                 .options = config,
                 .id = "state")

plan(sequential)

   state proportion
 1 AK      0       
 2 AL      0.000659
 3 AR      0       
 4 AZ      0.000605
 5 CA      0.000673
 6 CO      0.000776
 7 CT      0.000867
 8 DC      0.00189 
 9 DE      0       
10 FL      0.00106
...

按列绑定到数据框

data %>%
  split(data$state) %>% 
  future_map_dfc(birth_prop, # _dfc 变体
                 plur_value = new_plur,
                 .options = config)

     AK       AL    AR       AZ       CA       CO       CT      DC
1     0 0.000659     0 0.000605 0.000673 0.000776 0.000867 0.00189 ...

Vamos praticar!

R 并行编程