Question

在R中使用C ++库的最佳方法是什么，希望保留C ++数据结构。我不是一个C ++用户，所以我不清楚可用方法的相对优点。 R-ext手册似乎建议用C语言包装每个C ++函数。但是，至少有四到五种其他的C ++函数存在。

两种方式是具有相似谱系的包装，Rcpp（由多产的overflower Dirk Eddelbuettel维护）和RcppTemplate包装（均在CRAN上），两者之间有什么区别？

另一个可用的rcppbind软件包，它声称采用不同的方法来绑定C ++和R（我不知道如何知道）。

CRAN上可用的包内联，声称允许内联C / C ++我不确定这与内置功能有什么不同，除了允许代码内联w / R.

最后，RSwig似乎是in the wild，但目前还不清楚它是如何支持的，因为author's page多年来一直没有更新。

我的问题是，这些不同方法的相对优点是什么。哪些是最便携和最强大的，哪些是最容易实现的。如果您打算在CRAN上分发一个包，您会使用哪种方法？

Answer 1

首先，免责声明：我一直使用Rcpp。实际上，当（从Rcpp那时候被重命名）RcppTemplate已经成为孤儿并且两年没有更新时，我开始将其保持在其初始名称Rcpp下（在此基础上它被贡献给RQuantLib ）。大约一年前，我已经做了一些增量更改，你可以在ChangeLog中找到它们。

现在RcppTemplate最近在整整三十五个月后回来，没有任何更新或修复。它包含有趣的新代码，但似乎它不向后兼容所以我不会在我已经使用过Rcpp的地方使用它。

每当我检查时，

Rcppbind都没有得到很好的维护。 Whit Armstrong还有一个名为rabstraction的模板化界面包。

Inline是完全不同的东西：它通过将程序“嵌入”为R字符串然后被编译，链接和加载来简化编译/链接循环。我已经和Oleg讨论了内联支持Rcpp的问题，这很不错。

Swig也很有趣。 Joe Wang在那里做了很棒的工作并将所有的QuantLib包裹在R中。但是当我上次尝试它时，由于R内部的某些变化，它不再起作用。根据Swig团队的一位人士的说法，Joe可能还在努力。无论如何，Swig的目标是更大的图书馆。这个项目可能会复兴，但并非没有技术挑战。

另一个值得提及的是RInside，它适用于Rcpp，并允许您将R嵌入到C ++应用程序中。

总而言之：Rcpp对我很有用，特别是对于你只想添加一两个函数的小型探索性项目。它的重点是易用性，它允许你“隐藏”一些R内部结构并不总是很有趣。我知道其他一些用户通过电子邮件帮助过我。所以我会说这个。

我的'带有R的HPC简介'教程有一些Rcpp，RInside和内联的例子。

编辑：让我们看一个具体的例子（摘自'HP In with R Intro'幻灯片，并借自Stephen Milborrow，他从Venables和Ripley手中接过它）。任务是枚举每个位置仅包含单个数字的2x2矩阵的行列式的所有可能组合。这可以通过巧妙的矢量化方式（我们在教程幻灯片中讨论）或通过强力实现，如下所示：

#include <Rcpp.h>

RcppExport SEXP dd_rcpp(SEXP v) {
  SEXP  rl = R_NilValue;        // Use this when there is nothing to be returned.
  char* exceptionMesg = NULL;   // msg var in case of error

  try {
    RcppVector<int> vec(v);     // vec parameter viewed as vector of ints
    int n = vec.size(), i = 0;
    if (n != 10000) 
       throw std::length_error("Wrong vector size");
    for (int a = 0; a < 9; a++)
      for (int b = 0; b < 9; b++)
        for (int c = 0; c < 9; c++)
          for (int d = 0; d < 9; d++)
            vec(i++) = a*b - c*d;

    RcppResultSet rs;           // Build result set to be returned as list to R
    rs.add("vec", vec);         // vec as named element with name 'vec'
    rl = rs.getReturnList();    // Get the list to be returned to R.
  } catch(std::exception& ex) {
    exceptionMesg = copyMessageToR(ex.what());
  } catch(...) {
    exceptionMesg = copyMessageToR("unknown reason");
  }

  if (exceptionMesg != NULL) 
     Rf_error(exceptionMesg);

  return rl;
}

如果您将其保存为dd.rcpp.cpp并安装Rcpp，则只需使用

PKG_CPPFLAGS=`Rscript -e 'Rcpp:::CxxFlags()'`  \
    PKG_LIBS=`Rscript -e 'Rcpp:::LdFlags()'`  \
    R CMD SHLIB dd.rcpp.cpp

构建共享库。我们使用Rscript（或r）向Rcpp询问其标头和库位置。一旦构建，我们可以从R加载和使用它，如下所示：

dyn.load("dd.rcpp.so")

dd.rcpp <- function() {
    x <- integer(10000)
    res <- .Call("dd_rcpp", x)
    tabulate(res$vec)
}

以同样的方式，您可以轻松地发送各种R和C ++数据类型的向量，matrics，...。希望这有所帮助。

编辑2（大约五年+之后）：

所以这个答案刚刚得到了一个upvote，因此在我的队列中冒出来了。自从我写这篇文章以来，很多时间已经过去了，而且Rcpp已经了很多更丰富的功能。所以我很快写了这个

#include <Rcpp.h>

// [[Rcpp::export]]
Rcpp::IntegerVector dd2(Rcpp::IntegerVector vec) {
    int n = vec.size(), i = 0;
    if (n != 10000) 
        throw std::length_error("Wrong vector size");
    for (int a = 0; a < 9; a++)
        for (int b = 0; b < 9; b++)
            for (int c = 0; c < 9; c++)
                for (int d = 0; d < 9; d++)
                    vec(i++) = a*b - c*d;
    return vec;
}

/*** R
x <- integer(10000)
tabulate( dd2(x) )
*/

可以使用文件/tmp/dd.cpp

中的代码，如下所示

R> Rcpp::sourceCpp("/tmp/dd.cpp")    # on from any other file and path

R> x <- integer(10000)

R> tabulate( dd2(x) )
 [1]  87 132 105 155  93 158  91 161  72 104  45 147  41  96
[15]  72 120  36  90  32  87  67  42  26 120  41  36  27  75
[29]  20  62  16  69  19  28  49  45  12  18  11  57  14  48
[43]  10  18   7  12   6  46  23  10   4  10   4   6   3  38
[57]   2   4   2   3   2   2   1  17
R>

一些主要区别是：

更简单的构建：只需sourceCpp()它;甚至在最后执行R测试代码
完整的IntegerVector类型
由sourceCpp()代码生成器

在R包中使用C ++库

1 个答案: