Question

我正在尝试计算100行x 2500列表格中每行之间成对差异的数量。

我有一个小的RScript可以做到这一点，但运行时间（显然）非常高！我试图在C中编写一个循环，但我一直收到错误（compileCode）。

您是否知道如何将以下循环“转换”为C？

pw.dist <- function (vec1, vec2) {

return( length(which(vec1!=vec2)) )

}

N.row <- dim(table)[1]
pw.dist.table <- array( dim = c(dim(table)[1], dim(table)[1]))

for (i in 1:N.row) {
    for (j in 1:N.row) {
        pw.dist.table[i,j] <- pw.dist(table[i,-c(1)], table[j,-c(1)])
    }
}

我正在尝试类似的事情：

sig <- signature(N.row="integer", table="integer", pw.dist.table="integer")
code <- "
  for( int i = 0; i < (*N.row) - 1; i++ ) {
    for( int j = i + 1; j < *N.row; j++ ) {
      int pw.dist.table = table[j] - table[i];
    }
  }
"
f <- cfunction( sig, code, convention=".C" )

在编程方面，我是一个完整的新手！

提前致谢。 JMFA

Answer 1

在尝试优化代码之前，检查花费的时间总是一个好主意。

Rprof()
... # Your loops
Rprof(NULL)
summaryRprof()

在你的情况下，循环并不慢，但你的距离函数是。

$by.total
                    total.time total.pct self.time self.pct
"pw.dist"                37.98     98.85      0.54     1.41
"which"                  37.44     97.45     34.02    88.55
"!="                      3.12      8.12      3.12     8.12

您可以按如下方式重写它（需要1秒钟）。

# Sample data
n <- 100
k <- 2500
d <- matrix(sample(1:10, n*k, replace=TRUE), nr=n, nc=k)
# Function to compute the number of differences
f <- function(i,j) sum(d[i,]!=d[j,])
# You could use a loop, instead of outer,
# it should not make a big difference.
d2 <- outer( 1:n, 1:n, Vectorize(f) )

Answer 2

上面的Vincent有正确的想法。此外，您可以利用矩阵在R中的工作方式，并获得更快的结果：

n <- 100
k <- 2500
d <- matrix(sample(1:10, n*k, replace=TRUE), nr=n, nc=k)
system.time(d2 <- outer( 1:n, 1:n, Vectorize(f) ))
#precompute transpose of matrix - you can just replace 
#dt with t(d) if you want to avoid this
system.time(dt <- t(d))
system.time(sapply(1:n, function(i) colSums( dt[,i] != dt)))

输出：

#> system.time(d2 <- outer( 1:n, 1:n, Vectorize(f) ))
#   user  system elapsed 
#    0.4     0.0     0.4 
#> system.time(dt <- t(d))
#   user  system elapsed 
#      0       0       0 
#> system.time(sapply(1:n, function(i) colSums( dt[,i] != dt)))
#   user  system elapsed 
#   0.08    0.00    0.08

循环在C中使RScript更高效的性能

2 个答案: