zd200572的个人博客分享 http://blog.sciencenet.cn/u/zd200572

博文

高效R编程

已有 809 次阅读 2021-4-25 16:43 |系统分类:科研笔记

这是《高效R语言编程》的学习笔记,前面的笔记在这里:
https://blog.csdn.net/zd200572/article/details/115349366
https://www.jianshu.com/p/71392ef45d01
很多R语言用户并不认为自己是程序员,我也是:),精通专业知识,理解R语言的标准数据结构,但是缺乏正规编程训练,你是这样的吗?

高效编程的5个技巧

  • 1、小心,尽量不要增大向量的大小

  • 2、尽可能向量化代码

  • 3、适当时机下使用因子

  • 4、通过缓存变量避免不必要的计算

  • 5、字节编译包可使性能轻而易举大幅提升

一般性建议

底层语言如C,需要你自己进行内存管理,而R语言这些不用你负责,优点是可交互,缺点是运行速度慢,特别是糟糕的代码,推荐书《The R Inferno》。尽可能地访问底层的C函数,函数调用越少越好。

内存分配

n=1000000时seq_len(n)瞬时完成,而vec=numeric(n)#然后赋值要2s,但是如果一个空向量Vec=c()要共一个半小时。

向量化代码

for循环代码慢不是因为循环,而是因为函数调用太多。

与用户交互

致使错误stop()

stop()抛出致命错误,执行终止,不再执行任何操作,下面的处理代替stop()更好些。

bad <- try(1+"1"),silent=T)if(class(bad)=='try-error'print("error")

try()和tryCatch()捕获错误,推荐《Advanced R》一书中介绍了更详细的错误处理方法。

警告Warning()

解决警告,而不是忽略它。
suppressWarnings()#隐藏警告

信息输出

message()可以给出预计运行时间。cat()是另一个输出函数,仅用于print()/show()方法。

message()
suppressMessages() #禁止提示信息cat()

不可见返回

比如绘图不可见,获得参数
invisible()

因子

饱受争议,有用武之地,储存类别变量,看起来像字符,其实是int型的。总用或永远不用都是不明智的,通常,变量有固有顺序,或你有固定不变的类别集合,考虑使用因子。

1) 内在排序

因子可用于图形排序,通常read.csv()中自动转换为因子,我们一般options(stringsAsFactors = F),但是作者出于可移植性考虑不建议将这个放到.Rprofile文件。

2)固定类别

比如月份排序,因子可以实现,这指的英语的Dec这种。因子还比字符串稍微节约点空间。

Apply函数家族

可以看作是循环的替代,第一次听说eapply()独立环境,这个我们应该用不到。将一个函数应用到每行或每列。参数可以放在后面传递给函数。

  • apply()可以用于处理高维数组。

  • lapply() 输入是向量/列表,返回列表。

  • sapply()和vapply()与lapply()类似,返回值不一定是列表。

类型一致

函数的返回值以同样的形式是个好习惯,但是不是所有函数都这样,比如:
sapply() ,这会导致意想不到的问题。lapply()与vapply()一致,dplyr::select()与dplyr::filter()也是.purr中是map_dbl()代替Map(),flatten_df()代替unlist()。

缓存变量

也就是把一个计算过程存为变量,而不是每次计算,如果是100*1000的矩阵,速度会相差100倍。缓存更高级的形式是memoise 包,将已知结果存入可检索的缓存,加快运行速度。保存函数的运行结果,牺牲缓存换速度,最多能100倍的速度提升,在内存充足的今天应该还好,只要不上大数据,16G内存已经普遍了。典型应用是shiny app,可以回事用户得到结果,减少等待时间。

library(microbenchmark)test <- function(x){
 a <- x*100000+x*10000000
 a <- a^3
 a
}
test_result <- memoise::memoise(test)
microbenchmark(times = 10, unit="ms", test_result(1000), test(1000))# 结果,速度确实差了挺多的Unit: milliseconds
             expr     min      lq mean median     uq  max neval
test_result(1000) 0.09795 0.09942 0.18  0.110 0.1406 0.78    10        test(1000) 0.00053 0.00062 0.24  0.001 0.0014 2.40    10

函数闭包

函数闭包可以提供更高级别的缓存,R中 函数闭包是包含函数及函数所依赖的环境对象(包围环境)。应该数嵌套函数直接调用?

stop_watch <- function(){
 start_time <- NULL
 start <- function() start_time <<- Sys.time()
 stop <- function() {
   stop_time <- Sys.time()
   difftime(start_time,stop_time)
 }  list(start=start,stop=stop)
}
watch <- stop_watch()
watch$start()
watch$stop()

字节编译

compiler包自2.13.0成为R的一部分,可以将函数编译成字节代码,从而使运行更快,清除了大量解释器必须执行的耗时操作,如变量查询的时间。可以通过基本函数mean()验证:

getFunction("mean")# 结果,第三行显示是字节码bytecodefunction (x, ...) UseMethod("mean")<bytecode: 0x55ba277a8080>
<environment: namespace:base>
# 字节编译cmpfun()

编译代码

安装时在DESCRIPTION文件中添加下面代码,就可以实现自动编译ByteCompile: true。对不同包的效果不一样,特别是某包已经有大量邓编译代码时。windows需要使用Rtools:
或者修改R.environ文件中的
R_COMPILE_PKGS设为正整数并指定从source安装

install.packages("ggplot2", type="source")

如果不想改变这个文件,可以如下:

# 最后一个选项是实时编译JITinstall.packages("ggplot2", type="source", INSTALL_opts="--byte-compile")




https://wap.sciencenet.cn/blog-623545-1283692.html

上一篇:QIIME 2 2021.4发布啦
下一篇:新技能Get!宏基因组分析结果导入qiime2分析和可视化

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2022-5-23 10:34

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部