Question

我将内置R函数rnorm，qnorm和pnorm的性能与等效的Matlab函数进行了比较。

似乎rnorm和pnorm函数在R中比在Matlab中慢3-6倍，而qnorm函数是ca.在R中快了40％。我尝试使用相应的C库来加速R函数，这导致运行时间减少了约30％，这仍然比rnorm和{{的Matlab慢得多1}}。

是否有可用的软件包可以更快的方式在R中模拟正态分布的随机变量（除了使用标准的pnorm函数）？

Answer 1

我在这里看到两个不同的问题，每个段落一个：

是的，R和Matlab等语言/系统之间存在差异。它的一部分与解释器，循环速度，函数调用速度等有关.Rcpp可以帮助Matlab，它有一个真正的JIT编译器。我们在最近关于RcppArmadillo的论文中对Matlab，R和R + Rcpp进行了卡尔曼滤波器的比较。
底层编译代码也有区别，是的，R并不总是具有更快的实现，因为R Core（恕我直言）正确地首先考虑精度。（并且Rcpp本身并没有帮助：我们只是在内部调用R.）这已经出现了例如Darren Wilkinson开始的MCMC的Gibbs采样器示例。我注意到R rgamma()比其他系统慢得多。因此，以更快的方式得到关于N（0,1）绘制的问题：我认为我们需要一个贡献的Ziggurat实现。那是那里比较快的N（0,1）发生器之一，还有一些其他系统使用它。

Answer 2

将我的评论提升为答案：是的，有。

library("sos"); findFn("Ziggurat")在SuppDists包中找到rziggurat函数;它是用C（或C ++？）实现的，它的文档是

在R中运行的这个实现大约是三倍快速为rnorm（）。

另一点需要注意的是，在实践中可能会产生相同或更大的差异，因为在R中挑选大块随机数比在一个一个地挑选它们要快得多......即rnorm(1e6)比vapply(seq(1e6),function(i) rnorm(1),numeric(1))

快得多

 library("SuppDists")
 library("rbenchmark")
 n <- 1e5
 benchmark(rziggurat(n),
          rnorm(n),
          vapply(seq(n),function(x) rnorm(1),numeric(1)))

##           test   elapsed   relative user.self
## 2     rnorm(n)     1.138     13.233     1.140
## 1 rziggurat(n)     0.086      1.000     0.088
## 3  vapply(...)    29.043    337.709    29.046

R vs. Matlab：rnorm，qnorm和pnorm函数的速度差异解释

2 个答案: