Question

我有一些R代码，这有点慢，所以我一直在尝试使用'inline'库直接在R代码中编写一些c ++代码。

这很好用，我现在正试图调整它。

如果我在R中分配'results'数据结构并将它们作为函数参数传递给c函数，我只能使它工作。我想知道是否可以在R代码中使用非void c / c ++函数，这样就可以从c / c ++而不是R中分配和返回内存。

见下面的例子：

library(inline)
cppSig <- signature(res="numeric",ary="numeric",len="integer")
cppBody <- "
int lens=len[0];
res[0]=0;
  for(int j=0;j<lens;j++)
     res[0] += ary[j];
res[0] /= (double) lens;
#if 0 //Is something like this possible? 
    double *rary = new double[lens];
    for(int i=0;i<lens;i++) rary[i] = ary[i]-res[0];
    return rary;
#endif
"
cfun <- cfunction( sig=list(myMean=cppSig), 
                 body=list(cppBody),verbose=T, 
                 convention=".C", cxxargs="-O3", cppargs="-O3",language="C++")
cfunWrap <- function(x)
  cfun$myMean(res=0,ary=x,length(x))$res


cfunWrap(x=rnorm(100))

由于

Answer 1

我会做一些不同的事情，特别是在Rcpp文档中只是偶然一眼之后。所以这里只是一个快速列表：

是的，我们可以让循环更快。通常很多。
是的，我们可以返回原子C / C ++类型以及向量。有很多例子。一个人使用wrap()来表示这些非矢量类型; double的向量会自动返回。但是你永远不会使用new / delete。有关原因，请参阅Writing R Extensions。
是的，您可以使用内联包。我们经常使用它。但我们从不将其与.C()中的cfunction()调用约定一起使用。始终使用cxxfunction()，或者至少启用.Call()。我不确定你是怎么错过的。
由于Rcpp 0.10.0，我们有'Rcpp Attributes'，它比内联及其cxxfunction()更容易使用。例如，查看sourceCpp()或cppFunction()，或者阅读小插图。
最后，你真的错过了一些基本的东西。您是否阅读过pdf插图Rcpp-iintroduction和/或Rcpp-FAQ？

编辑：好的，这是一个完整的示例，跟随您的函数结构（但我们可以做得更好，请参阅下面的内容）：

#include <Rcpp.h>

using namespace Rcpp; 

// [[Rcpp::export]]
NumericVector monkey(NumericVector ary) {
  int lens = ary.length();   // objects can tell you about their length
  double res=0;
  for(int j=0;j<lens;j++) res += ary[j];
  res /= (double) lens;

  NumericVector rary(lens);
  for(int i=0;i<lens;i++) rary[i] = ary[i]-res;
  return rary;
}

// and we even include some R code to test automagically

/*** R
set.seed(42)
x <- rnorm(5)   # just five to keep printout short
monkey(x)
cat("Check:")
x - mean(x)
*/

，如果你调用它，也会在底部运行R代码：

R> Rcpp::sourceCpp('/tmp/monkey.cpp')

R> set.seed(42)

R> x <- rnorm(5)   # just five to keep printout short

R> monkey(x)
[1]  0.9296545 -1.0060021 -0.0781755  0.1915587 -0.0370356

R> cat("Check:")
Check:
R> x - mean(x)
[1]  0.9296545 -1.0060021 -0.0781755  0.1915587 -0.0370356
R>

但是Rcpp 的关键功能之一就是你甚至可以在C ++中进行向量操作：

R> cppFunction('NumericVector monkey2(NumericVector x) { return x - mean(x); }') R> monkey2(x) [1] 0.9296545 -1.0060021 -0.0781755 0.1915587 -0.0370356 R>

刚刚编译了一个新的单行C ++函数，它在整个向量x 上运行并运行它。

从R中的嵌入式c ++函数返回值

1 个答案: