Mon code est lent !

Écrire du code R efficace

Colin Gillespie

Jumping Rivers & Newcastle University

Mon code est-il vraiment lent ?

1 seconde ?
1 minute ?
1 heure ?

Mon code est-il vraiment lent ?

Étalonnage (benchmark)

Encapsuler la fonction à évaluer
Chronométrer selon divers scénarios, p. ex. taille de l'ensemble de données

Exemple : suite de nombres

$$ 1, 2, 3, \ldots, n $$

Option 1

1:n

Option 2

seq(1, n)

Option 3

seq(1, n, by = 1)

Encapsuler dans une fonction

colon <- function(n) 1:n
colon(5)

1 2 3 4 5

seq_default <- function(n) seq(1, n)
seq_by <- function(n) seq(1, n, by = 1)

Chronométrer avec system.time()

system.time(colon(1e8))

#   user  system elapsed
#  0.032   0.028   0.060

system.time(seq_default(1e8))

#   user  system elapsed
#  0.060   0.028   0.086

system.time(seq_by(1e8))

#   user  system elapsed
#  1.088   0.520   1.600

Le temps user est le temps CPU pour les instructions de l'utilisateur.
- Le temps system est le temps CPU utilisé par le système pour le processus appelant.
- Le temps elapsed est environ la somme des deux ; c'est généralement celui qui nous intéresse.

Stocker le résultat

Le problème avec

system.time(colon(1e8))

c'est que nous n'avons pas stocké le résultat. Il faut relancer le code pour l'enregistrer :

res <- colon(1e8)

L'opérateur <- fait les deux :

Passage d'arguments
Affectation d'objet

system.time(res <- colon(1e8))

L'opérateur = fait une seule chose :

Passage d'arguments
Affectation d'objet

# Provoque une erreur
system.time(res = colon(1e8))

Temps relatif

Méthode	Temps absolu (s)	Temps relatif
`colon(n)`	0.060	$0.060/0.060 = 1.00$
`seq_default(n)`	0.086	$0.086/0.060 = 1.40$
`seq_by(n)`	1.607	$1.60/0.060 = 26.7$

Le paquet microbenchmark

Compare des fonctions
- Chaque fonction est exécutée plusieurs fois

library("microbenchmark")

n <- 1e8
microbenchmark(colon(n),
               seq_default(n),
               seq_by(n),
               times = 10) # Exécuter chaque fonction 10 fois

# Unit: milliseconds
#           expr  min   lq  mean  median   uq  max neval cld
#       colon(n)   59  130   220     202  341  391    10  a
# seq_default(n)   94  204   290     337  348  383    10  a
#      seq_by(n) 1945 2044  2260    2275 2359 2787    10   b

Passons à la pratique !

Écrire du code R efficace