DataCamp课程 <高效率代码> Chapter2. R语言

高效率代码课程目录

Chapter1. Benchmarking
Chapter2. R语言高效化基础
Chapter3. Code的内涵
Chapter4. 多线程计算

R语言其实本质就是一个脚本语言，和C不一样，没法控制内存。不好的指令会浪费很多内存。在R语言中为了实现高速效率化，有三大原则。

1. 绝对不要增长向量(grow vector)

比方说你自定义了一个属于向量增长的函数growing()

n <- 30000
# Slow code
growing <- function(n) {
    x <- NULL
    for(i in 1:n)
        x <- c(x, rnorm(1))
    x
}

计算这个函数运行30000次的时间。将近两秒。

system.time(res_grow <- growing(30000))
   user  system elapsed 
  1.923   0.000   1.927 

作为对比，我们换一种写法，不是通过增长向量，而是提前预设一个向量。

n <- 30000
# Fast code
pre_allocate <- function(n) {
    x <- numeric(n) # Pre-allocate
    for(i in 1:n) 
        x[i] <- rnorm(1)
    x
}

计算一下运行的时间。只需要0.089秒。

# Use <- with system.time() to store the result as res_allocate
n <- 30000
system.time(res_allocate <- pre_allocate(n))
   user  system elapsed 
  0.089   0.000   0.089 

2. 尽可能使用向量型计算

简而言之可以不用for循环的地方就尽量不要用for循环。比如下面这个几行代码，

x <- rnorm(10)
x2 <- numeric(length(x))
for(i in 1:10)
    x2[i] <- x[i] * x[I]

可以被一行所顶替

x2_imp <- x * x

再举个例子来练习一下，x是100个随机数组成的向量，然后需要求每个x的log值的总和。

n <- 100
total <- 0
x <- runif(n)
for(i in 1:n) 
    total <- total + log(x[I])

改写一下这段代码，写成向量计算模式。

log_sum <- sum(log(x))

3.适时使用矩阵而不是数据框

• 矩阵和数据框的区别

矩阵更加节省内存。不信的话可以比较一下两者需要的时间。

# Which is faster, mat[, 1] or df[, 1]? 
microbenchmark(mat[,1], df[,1])
Unit: microseconds
     expr   min      lq     mean  median      uq     max neval
 mat[, 1] 1.876  2.4270  2.87314  2.6855  3.0100  10.912   100
  df[, 1] 9.705 11.7975 13.47467 12.2875 13.1695 106.996   100