c++多数据平均数_Rcpp高性能计算（四）：求几何平均数效果比较【END】-CSDN博客

本文链接：https://blog.csdn.net/weixin_33065899/article/details/112122850

本文介绍了使用Rcpp在R中实现几何平均数计算，通过对比R内置方法，展示了Rcpp的性能优势。作者黄天元博士探讨了Rcpp在数据科学中的应用，强调在遇到计算瓶颈时可以考虑使用Rcpp提升效率。

摘要由CSDN通过智能技术生成

作者：黄天元，复旦大学博士在读，热爱数据科学与开源工具（R），致力于利用数据科学迅速积累行业经验优势和科学知识发现，涉猎内容包括但不限于信息计量、机器学习、数据可视化、应用统计建模、知识图谱等，著有《R语言高效数据处理指南》（《R语言数据高效处理指南》(黄天元)【摘要书评试读】- 京东图书）。知乎专栏：R语言数据挖掘。邮箱：huang.tian-yuan@qq.com.欢迎合作交流。

前段时间想开Rcpp系列，后来发现了神书Rcpp for everyone（https://teuder.github.io/rcpp4everyone_en/）之后，就停了下来。实践中不是所有任务都需要加速，但是用了Rcpp绝对是会快，哪怕写法是如此的相似。今天就来做一个实践，就是求几何平均数。前些日子看到帖子（「R」如何计算几何平均数），引用了SO上R求几何平均数的方法（Geometric Mean: is there a built-in?），因此想借此机会看看用Rcpp是否能够为这个任务加速。试验如下：

library(Rcpp)
library(microbenchmark)

# R 
geo_mean_r = function(x) exp(mean(log(x)))
# C++
cppFunction('
          double geo_mean_c(NumericVector x){
           return exp(mean(log(x)));
          }
          ')

# test
microbenchmark::microbenchmark(
  geo_mean_r(c(45,89,90)),
  geo_mean_c(c(45,89,90)),
  times = 10000
)
#> Unit: microseconds
#>                       expr min  lq    mean median  uq    max neval
#>  geo_mean_r(c(45, 89, 90)) 3.4 3.9 5.65590    4.1 4.8 2836.6 10000
#>  geo_mean_c(c(45, 89, 90)) 1.1 1.6 2.96767    2.6 3.1  953.0 10000

我们可以看到，两者的写法几乎一样（因为Rcpp有语法糖，因此两者写法没有太大差异），但是运行时间几乎差了一倍。因此，在计算的时候遇到瓶颈，就可以寻求Rcpp的帮助。

Rcpp的学习就此结束了，以后根据需要来进行新的学习。虽然不能说很会写C++，但是网络上关于C++的问答资料，那是比R还要多的，所以不虚。R的好处就是，掌握了框架，要用就去延展，而不是一点一点死磕。希望未来能够利用Rcpp获得更高的计算性能。