Vikten av att vektorisera din kod

Effektiv R-kod

Colin Gillespie

Jumping Rivers & Newcastle University

Grundregel

Att anropa en R-funktion leder slutligen till C- eller FORTRAN-kod
- Denna kod är mycket hårt optimerad

Mål

Nå den underliggande C- eller FORTRAN-koden så snabbt som möjligt – ju färre funktionsanrop desto bättre.

Vektoriserade funktioner

Många R-funktioner är vektoriserade
- Enstaka tal men returnerar en vektor

rnorm(4)

-0.7247  0.2502  0.3510  0.6919

Vektor som indata

mean(c(36, 48))

Generera slumptal

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

Jämför

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

med

x <- rnorm(n)

Varför är loopen långsam?

Loopning

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

Allokering

x <- vector("numeric", n)

Loop: Engångskostnad
Vektoriserad: Jämförbar

Generering

Loop: En miljon anrop till rnorm()
Vektoriserad: Ett enda anrop till rnorm()

Tilldelning

Loop: En miljon anrop till tilldelningsmetoden
Vektoriserad: En enda tilldelning

R-klubben

Den andra regeln i R-klubben: använd en vektoriserad lösning när det är möjligt.

Nu kör vi en övning!

Effektiv R-kod