Question

我的问题与排序练习有关，我可以在R中轻松（但可能很慢）进行排序练习，并希望用C ++进行，以加快我的代码。

考虑三个大小相同的矢量a，b和c。在R中，以下命令将首先按照b对数字进行排序，然后，在关系的情况下，将根据c进一步排序。

a<-a[order(b,c),1]

示例：

a<-c(1,2,3,4,5)
b<-c(1,2,1,2,1)
c<-c(5,4,3,2,1)

> a[order(b,c)]
[1] 5 3 1 4 2

使用Armadillo向量在C ++中有一种有效的方法吗？

Answer 1

我们可以在文件SO_answer.cpp中编写以下C ++解决方案：

#include <RcppArmadillo.h>
// [[Rcpp::depends(RcppArmadillo)]]

using namespace arma;

// [[Rcpp::export]]
vec arma_sort(vec x, vec y, vec z) {
    // Order the elements of x by sorting y and z;
    // we order by y unless there's a tie, then order by z.
    // First create a vector of indices
    uvec idx = regspace<uvec>(0, x.size() - 1);
    // Then sort that vector by the values of y and z
    std::sort(idx.begin(), idx.end(), [&](int i, int j){
        if ( y[i] == y[j] ) {
            return z[i] < z[j];
        }
        return y[i] < y[j];
    });
    // And return x in that order
    return x(idx);
}

我们所做的是利用std::sort()允许您根据自定义比较器进行排序的事实。我们使用比较器，仅当z的元素相等时才比较y的元素;否则它会比较y。¹的值然后我们可以编译文件并测试R中的函数：

library(Rcpp)
sourceCpp("SO_answer.cpp")

set.seed(1234)
x <- sample(1:10)
y <- sample(1:10)
z <- sample(1:10)

y[sample(1:10, 1)] <- 1 # create a tie

all.equal(x[order(y, z)], c(arma_sort(x, y, z))) # check against R
# [1] TRUE # Good

当然，我们还必须考虑这是否真的会给你带来任何性能提升，这就是你这样做的全部原因。让我们的基准：

library(microbenchmark)
microbenchmark(r = x[order(y, z)],
               arma = arma_sort(x, y, z),
               times = 1e4)

Unit: microseconds
 expr    min    lq      mean median    uq      max neval cld
    r 36.040 37.23 39.386160  37.64 38.32 3316.286 10000   b
 arma  5.055  6.07  7.155676   7.00  7.53  107.230 10000  a

在我的机器上，使用小向量看起来你的速度提高了5-6倍，但是当你扩展时这种优势并不好：

x <- sample(1:100)
y <- sample(1:100)
z <- sample(1:100)

y[sample(1:100, 10)] <- 1 # create some ties

all.equal(x[order(y, z)], c(arma_sort(x, y, z))) # check against R
# [1] TRUE # Good

microbenchmark(r = x[order(y, z)],
               arma = arma_sort(x, y, z),
               times = 1e4)

Unit: microseconds
 expr   min     lq     mean median     uq      max neval cld
    r 44.50 46.360 48.01275 46.930 47.755  294.051 10000   b
 arma 10.76 12.045 16.30033 13.015 13.715 5262.132 10000  a 

x <- sample(1:1000)
y <- sample(1:1000)
z <- sample(1:1000)

y[sample(1:100, 10)] <- 1 # create some ties

all.equal(x[order(y, z)], c(arma_sort(x, y, z))) # check against R
# [1] TRUE # Good

microbenchmark(r = x[order(y, z)],
               arma = arma_sort(x, y, z),
               times = 1e4)

Unit: microseconds
 expr     min       lq     mean   median       uq      max neval cld
    r 113.765 118.7950 125.7387 120.5075 122.4475 3373.696 10000   b
 arma  82.690  91.3925 104.0755  95.2350  99.4325 6040.162 10000  a

它仍然更快，但是当你处于长度为1000的向量时，它会少于2X。这可能是F. Privé说这个操作在R中应该足够快的原因。虽然使用Rcpp转移到C ++可以给你卓越的绩效优势，你获得收益的程度在很大程度上取决于背景，正如Dirk Eddelbuettel在这里回答各种问题时多次提到的那样。

<小时/> 1 _{请注意，通常用于排序犰狳矢量我建议使用sort()或sort_index()（参见Armadillo docs here）。如果您尝试按照vec的值对vec进行排序，则可以使用我在回答相关问题here时指出的x(arma::sort_index(y))。您甚至可以使用stable_sort_index()来保持关系。但是，我无法弄清楚如何使用这些函数来解决您在此处提出的具体问题。}

Armadillo C ++：根据另外两个向量对向量进行排序

1 个答案: