Vektorer från STL

Optimera R-kod med Rcpp

Romain François

Consulting Datactive, ThinkR

Rcpp-vektorer vs STL-vektorer

Rcpp-vektorer

Tunna omslag runt R-vektorer
Kan inte (kostnadseffektivt) ändra storlek: datakopia varje gång

STL-vektorer

Oberoende av R-vektorer
Billiga att utöka och krympa: amorterade kopior

Extrahera positiva värden från en vektor

Vektoriserad R-kod

extract_positives <- function(x){
    x[x>0]}

Ineffektiv kod som utökar en vektor i en loop

extract_positives_loop <- function(x){
    y <- numeric()
    for( value in x){
        if( value > 0 ){
            y <- c(x, y)}  }
    y
}

Extrahera positiva värden: alternativ algoritm

Första 🔃 för att räkna den slutliga storleken

NumericVector x ; 
int n = x.size() ;
int np = 0 ;
for( int i=0 ; i<n ; i++ ){ 
    if( ___ ){
        np++ ;
    }
}

Extrahera positiva värden: alternativ algoritm

Skapa en vektor av rätt storlek

NumericVector result(np) ;

Andra 🔃 för att fylla vektorn

for( int i=0, j=0 ; i<n ; i++ ){
    if( ___ ){
        result[j++] = x[i] ;
    }
}

Enklare algoritm med STL

// [[Rcpp::export]]
std::vector<double> positives_stl( NumericVector x ){
    std::vector<double> out ;
    out.reserve( x.size() / 2 ) ;

    for( ___ ; ___ ; ___ ){
        if( ___ ){
            out.push_back(___) ;
        }
    }

    return out ;  
}

Nu kör vi en övning!

Optimera R-kod med Rcpp