Mai mult cu future_map()

Programare paralelă în R

Nabeel Imam

Data Scientist

Datele și contextul

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

Generarea unei coloane de tip caracter

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

Etichetarea gemenilor

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
...

Etichetarea gemenilor

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

O diagramă care ilustrează crearea coloanei „label" folosind map_chr() și future_map_chr(). future_map_chr() reduce timpul de execuție cu 50%.

Operații pe grupuri

Proporția gemenilor

birth_prop <- function (df) {

  N <- sum(df$plurality == 2)  # Total number of twin births
  prop <- N/nrow(df)           # Proportion out of all births
  names(prop) <- "proportion"  # Provide a name for value

  return(prop) 
}

Operații pe grupuri

Un set de date are grupurile A, B și C. Datele sunt împărțite pe grupuri, valorile sunt agregate și combinate într-un set de date cu câte un rând per grup.

Operații pe grupuri

plan(multisession, workers = 6)


data %>%
  # Split by year, pipe to future_map_dfr()
  split(data$state) %>%

  # Supply only function here
  future_map_dfr(birth_prop,

  # Name of grouping column to .id argument
                 .id = "state")

plan(sequential)

Rezultatele combinate prin row-bind într-un data frame

   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
...

Utilizarea variabilelor globale

# Second argument to specify plurality value
birth_prop <- function (df, plur_value) {

  N <- sum(df$plurality == plur_value) # Total number of births of given plurality
  prop <- N/nrow(df)                   
  names(prop) <- "proportion"          

  return(prop) 
}


new_plur <- 3 # A global single-valued variable

Utilizarea variabilelor globale

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
...

Combinare pe coloane într-un data frame

data %>%
  split(data$state) %>% 
  future_map_dfc(birth_prop, # The _dfc variant
                 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 ...

Să exersăm!

Programare paralelă în R