rcpp包 c语言的优化,如何提高备受诟病的R的运行速度

说到R，人们除了赞美它漂亮简洁的做图功能外，就是抱怨它的运行速度问题。做为常规使用，好比数据整理分析，统计计算或者做图等，或许没有感受到它的运行速度有问题。可是若是数据量很大，像基因组数据，那么运行起来就尤为慢了。特别是对于循环语句，犹如老牛拉破车，因此在数据量很大的状况下，尽可能不要在R中使用循环语句。html

那么循环语句在R中会慢到什么地步？咱们经过R语言和C语言的比较就能看出一些端倪。编程

咱们假设有这么两个数据框，以下图。咱们要判断每个pos中的数据(4，15，19，27)是否落在第一个数据框的数据区间内(2-5，7-11，17-20，23-28，32-39)。这样咱们就会用到两个嵌套for循环，对第二个数据框中的每个数，依次比对第一个数据框中的每个数据段。app

首先咱们使用随机数生成这么两个模拟数据框编程语言

set.seed(111)

creat_test

x

x

start = numeric()

end = numeric()

for (i in seq(1,length(x),2)){

start

end

}

test_df

return(test_df)

}

# create first data frame, using length = 7,000,000, segments = 20,000

test_data

# create second data frame, sequence data

sequence

sequence$x

自此，咱们有了两个测试数据框，第一个test_data里面有20万条观测，第二个sequence里面有400个观测，那么咱们首先经过R中的for循环来判断这400个观测时候落在来第一个数据框中数据段内。ide

# using R loop to see if sequence in test_data range

R_time

num_in

for (i in 1:nrow(sequence)){

for (j in 1:nrow(test_data)){

if (sequence[i,1] > test_data[j,1] & sequence[i,1] < test_data[j,2]){

num_in

break

}

}

}

print(num_in)

}

system.time(R_time(sequence,test_data))

这段代码中两个for循环，大概运行来：函数

下面咱们看一看在C语言中完成这段代码须要多长时间。本人并不了解C语言，可是Rcpp包提供了在R中写C代码的可能，因此使用Rcpp完成上述功能以下：oop

# using Rcpp

library(Rcpp)

cppFunction('

int Rcpp_time(DataFrame sequence, DataFrame test_data){

IntegerVector start=test_data["start"];

IntegerVector end=test_data["end"];

IntegerVector pos=sequence["x"];

int seq_size=sequence.nrow();

int test_size=test_data.nrow();

int num_in=0;

for(int i=0; i<=seq_size; i++){

for(int j=0; j<=test_size; j++){

if(pos[i]>start[j] && pos[i]

num_in++;

break;

}

}

}

return num_in;

}

')

system.time(Rcpp_time(sequence,test_data))

而这段代码的运行时间仅仅为：测试

能够看出，一样的一段代码，获得相同的结果，在R中运行的时间是在C中运行时间的数万倍！什么概念：code

在R中你要等1个多小时，在C中你在1秒内就完成！orm

固然这也很好理解，毕竟相对于C来说，R属于高级编程语言，并且是解释型语言，没有C的编译过程，因此R会针对每个for循环一一执行，这也下降了速度。

那么问题来了，应该怎样提升R的运行速度呢？

一、避免使用for循环，尤为是数据量特别大的时候；

二、避免数据的复制，使用%>%之类的管道操做；

三、使用一些更快的R包处理数据，好比data.table；

四、使用apply、lapply等之类的函数代替for；

五、使用Rcpp编写C语言函数；

六、使用多核并行计算(能够经过lapply来实现)；

能够参考http://adv-r.had.co.nz/Performance.html