Importanța vectorizării codului

Scrierea codului R eficient

Colin Gillespie

Jumping Rivers & Newcastle University

Regulă generală

Apelarea unei funcții R conduce în final la cod C sau FORTRAN
- Acest cod este foarte intens optimizat

Obiectiv

Accesați codul C sau FORTRAN cât mai direct; cu cât sunt mai puține apeluri de funcții, cu atât mai bine.

Funcții vectorizate

Multe funcții R sunt vectorizate
- Un singur număr, dar returnează un vector

rnorm(4)

-0.7247  0.2502  0.3510  0.6919

Vector ca intrare

mean(c(36, 48))

Generarea numerelor aleatoare

library(microbenchmark)
n <- 1e6
x <- vector("numeric", n)
microbenchmark(
    x <- rnorm(n),
    {
        for(i in seq_along(x))
            x[i] <- rnorm(1)
        },
    times = 10
)

# Unit: milliseconds
# expr        lq mean    uq  cld
# rnorm(n)    60   70    80  a
# Looping   2600 2700  2800   b

## Output trimmed for presentation

Comparați

x <- vector("numeric", n)
for(i in seq_along(x))
    x[i] <- rnorm(1)

x <- rnorm(n)

De ce este bucla lentă?

Buclă

x <- vector("numeric", n)
for(i in seq_along(x))
    x[i] <- rnorm(1)

Alocare

x <- vector("numeric", n)

Buclă: Cost unic
Vectorizat: Comparabil

Generare

Buclă: un milion de apeluri la rnorm()
Vectorizat: un singur apel la rnorm()

Atribuire

Buclă: Un milion de apeluri la metoda de atribuire
Vectorizat: o singură atribuire

Clubul R

A doua regulă a clubului R: folosiți o soluție vectorizată ori de câte ori este posibil.

Să exersăm!

Scrierea codului R eficient