Важность векторизации кода

Эффективный код на R

Colin Gillespie

Jumping Rivers & Newcastle University

Общее правило

Вызов функции R в конечном счёте приводит к коду на C или FORTRAN
- Этот код очень тщательно оптимизирован

Цель

Обращаться к коду C или FORTRAN как можно быстрее; чем меньше вызовов функций — тем лучше.

Векторизованные функции

Многие функции R векторизованы
- Принимают одно число, но возвращают вектор

rnorm(4)

-0.7247  0.2502  0.3510  0.6919

Принимают вектор на вход

mean(c(36, 48))

Генерация случайных чисел

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

Сравните

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

x <- rnorm(n)

Почему цикл работает медленно?

Цикл

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

Выделение памяти

x <- vector("numeric", n)

Цикл: разовые затраты
Векторизация: сопоставимые

Генерация

Цикл: миллион вызовов rnorm()
Векторизация: один вызов rnorm()

Присваивание

Цикл: миллион вызовов метода присваивания
Векторизация: одно присваивание

R-клуб

Второе правило R-клуба: используйте векторизованное решение везде, где это возможно.

Давайте потренируемся!

Эффективный код на R