a ^ 2和^ 2L之间有区别吗？

Question

R 中的a^2和a^2L之间是否存在差异？

速度差异？

精密？

到目前为止，我没有看到，只是想知道^ 2是作为log / exp对实现的，还是^ 2L作为乘法。如果a不仅仅是一个向量呢？

更新

不，这不是重复，我知道2和2L之间的区别。问题是，这种差异是否会对电力运营商起作用？

Answer 1

我的结论是 从未如此轻微更快当且仅当基数是整数时， on scalars

我的基准：

library(microbenchmark)
set.seed(1230)
num <- rnorm(1L)
int <- sample(100L, 1L)
microbenchmark(times = 100000L,
               num^2L,
               num^2,
               int^2L,
               int^2)

我机器上的时间安排：

# Unit: nanoseconds
#    expr min  lq     mean median  uq      max neval
#  num^2L  99 115 161.8495    121 166    11047 1e+05
#   num^2  97 113 196.8615    119 165  3645369 1e+05
#  int^2L  89 107 140.3745    111 120     3319 1e+05
#   int^2  98 115 525.1727    120 166 34776551 1e+05

如果base或exponent是数字，则中位数时间基本相同（虽然num ^ num可能有一个胖的上尾？）。

大小惩罚

尽管integer ^ integer在标量上有优势，但似乎（正如@ A.Webb在他自己的答案中所说明的那样），对于任何合理大小的向量，numeric ^ numeric更快，并且对于相当常见的中等大小的矢量，它的速度要快得多。

500个基准的结果：

set.seed(1230)
ns <- as.integer(10^(seq(0, 6, length.out = 500L)))
mbs <- sapply(ns, function(n){
  num = rnorm(n); int = as.integer(num)
  summary(microbenchmark(times = 2000L, num ^ 2L, num ^ 2, int ^ 2L, int ^ 2), 
          unit = "relative")$median
})

这第一个情节得到了事物的要点。 n表示numeric，i表示integer。

最终，矢量大小的固定成本确实消耗了优势：

只有在可以忽略不计的长度i ^ i最快：

绘图的要点是：

matplot(ns[ns < 5000], t(mbs[ , ns < 5000]),
        type = "l", lty = 1L, lwd = 3L,
        xlab = "length", ylab = "Relative Time",
        main = "Through Length 5000",
        col = c("black", "red", "green", "blue"))
legend("topleft", c("n ^ i", "n ^ n", "i ^ i", "i ^ n"),
       col = c("black", "red", "green", "blue"),
       lty = 1L, lwd = 3L)

Answer 2

R在内部使用整数指数版本R_pow_di，但^ operator仅调用R_pow。话虽如此，matrix: ######### # # # # # # #  # ######### #include <stdio.h> void read_file(const char *file_name); size_t rows = 10; size_t cols = 20; int main(int argc, char *argv[]) { //function call } void read_file(const char *file_name) { FILE *myfile = fopen(file_name, "r"); int newRows = 0; int newCols = 0; char ch; while(!feof(myfile)) { ch = fgetc(file); if(ch == '\n') { newRows++; } else { newCols++; } } rows = newRows; cols = newCols; } 特殊情况R_pow为x^2。因此，精度是相同的，但x*x版本应该稍微慢一点，因为C级的长 - 双倍强制。这在以下基准中得到证明。

2L

这不会让你失眠。

链接转到源镜像。请注意，lngs<-rep(2L,1e6) dbls<-rep(2.0,1e6) n<-sample(100,1e6,replace=TRUE) x<-rnorm(1e6) microbenchmark(x^lngs,x^dbls,n^lngs,n^dbls) # Unit: milliseconds # expr min lq mean median uq max neval cld # x^lngs 8.489547 9.804030 12.543227 11.719721 13.98702 19.92170 100 b # x^dbls 5.622067 6.724312 9.432223 7.949713 10.89252 59.15342 100 a # n^lngs 10.590587 13.857297 14.920559 14.200080 16.65519 19.55346 100 c # n^dbls 8.331087 9.699143 12.414267 11.403211 14.20562 19.66389 100 b ，R_ADD，R_SUB和R_MUL被定义为C宏以利用类型重载，但R_POW被定义为内联{{ 1}}特殊情况然后调用R_DIV（小写）。在x^2 = x*x中再次检查该特殊情况将是重复的，除了在其他地方内部调用R_pow。