我刚开始使用R中的Rcpp
包,我的学习灵感来自Hadley Wickham的高级R课程。
在R studio中我有以下.cpp文件。问题更为笼统,但这个例子有所帮助。
#include <Rcpp.h>
using namespace Rcpp;
// [[Rcpp::export]]
NumericVector runifC(int n, double min=0, double max=1) {
NumericVector out(n);
for(int i = 0; i < n; ++i) {
out[i] = min + ((double) rand() / (RAND_MAX)) * (max - min);
}
return out;
}
/*** R
library(microbenchmark)
microbenchmark(
'R unif-1' = runif(1),
'C++ unif-1' = runifC(1),
'R unif-100' = runif(100),
'C++ unif-100' = runifC(100),
'R unif-1000' = runif(1000),
'C++ unif-1000' = runifC(1000),
'R unif-100000' = runif(100000),
'C++ unif-100000' = runifC(100000)
)
*/
当我获取/保存文件时,它会显示性能输出。
Unit: nanoseconds
expr min lq mean median uq max neval
R unif-1 2061 2644.5 4000.71 3456.0 4297.0 15402 100
C++ unif-1 710 1190.0 1815.11 1685.0 2168.5 5776 100
R unif-100 4717 5566.5 6794.14 6563.0 7435.5 16600 100
C++ unif-100 1450 1997.5 2663.29 2591.5 3107.0 5307 100
R unif-1000 28210 29584.5 31310.54 30380.0 31599.0 52879 100
C++ unif-1000 8292 8951.0 10113.78 9462.5 10121.5 25099 100
R unif-100000 2642581 2975117.0 3104580.62 3030938.5 3119489.0 5435046 100
C++ unif-100000 699833 990924.0 1058855.49 1034430.5 1075078.0 1530351 100
我希望runif
是一个非常优化的函数,但C ++代码运行效率更高。我可能在这里很天真,但如果在性能方面存在这样的差异,那么为什么不能用C ++重写所有适用的R函数呢?
似乎很明显,有很多可能的改进,我觉得好像我错过了一个很大的原因,为什么不能将所有R函数盲目地复制到C ++以获得性能。
编辑:对于此示例,已显示rand()
的C ++实现存在轻微缺陷。我注意到的性能差距最常用的是rand()
函数。其他功能的表现似乎并不那么激烈所以我改变了问题的名称。
答案 0 :(得分:11)
请不要使用rand()
。如果你提交它,这样做也会使你的包裹脱离CRAN。
请参阅例如this C++ reference page以获取警告:
备注
无法保证产生的随机序列的质量。在过去,rand()的一些实现在产生的序列的随机性,分布和周期方面存在严重的缺点(在一个众所周知的例子中,低阶位在调用之间简单地在1和0之间交替)。 p>
如果您对备用随机数生成器和时间感兴趣,请Rcpp Gallery。
一般来说,使用R 提供的具有优异统计质量的生成器,并以Rcpp提供标量和矢量化形式(&#34; Rcpp Sugar&#34;)。
答案 1 :(得分:5)
从R-3.1.1开始,runif
使用.External
接口复制其参数。 Luke Tierney将此更改为使用revision 66110中R-devel中的.Call
接口。 .Call
接口不会复制其参数。 Rcpp使用.Call
接口。
在R-devel(使用.Call
接口)下,您的C ++代码仍然更快。这很可能是因为使用的随机数发生器存在差异。此外,R的功能通常比你编写的专业代码有更多的检查;那些检查需要时间。