C++ 将循环从R转换为C++；使用Rcpp

我想使用Rcpp提高一些R代码的速度。然而，我对C++的知识很少。因此，我检查了Rcpp提供的文档，以及在Dirk Eddelbuttel的网站上提供的其他文档。在阅读了所有的内容之后，我尝试执行一个用R编写的简单循环。不幸的是，我无法执行。以下是R函数：

Inverse Wishart

beta = matrix(rnorm(15),ncol=3)

a = rnorm(3) 

InW = function(beta,a) {

    n = nrow(beta)
    p = ncol(beta)
    I = diag(rep(1,times = p))
    H = matrix(0,nrow=p,ncol=p)
    for(i in 1:n){
    subBi = beta[i,]
          H = H + tcrossprod(a - subBi)
        }
    H = H + p * I

    T = t(chol(chol2inv(chol(H))))
    S = 0
    for(i in 1:(n+p)){
        u <- rnorm(p)
        S = S + tcrossprod(T %*% u)
        }
    D = chol2inv(chol((S)))
    ans = list(Dinv = S,D=D)
}

逆威斯哈特
β=矩阵（rnorm（15），ncol=3）
a=rnorm（3）
InW=函数（β，a）{
n=nrow（β）
p=ncol（β）
I=diag（rep（1，乘以=p））
H=矩阵（0，nrow=p，ncol=p）
for（1:n中的i）{
subBi=beta[i，]
H=H+tcrossprod（a-subBi）
}
H=H+p*I
T=T（chol（chol2inv（chol（H）））
S=0
对于（1中的i：（n+p））{
RcppArmadillo的一个基本例子是这样的

require(RcppArmadillo)
require(inline)

code <- '
  arma::mat beta = Rcpp::as<arma::mat>(beta_);
  int n = beta.n_rows; int p = beta.n_cols;
  arma::mat Ip = arma::eye<arma::mat>( p, p );
  int ii;
  double S=0;
  for (ii=0; ii<(n+p); ii++) {
    S += ii; // dummy calculation
  }
  return Rcpp::wrap(S);
 '

fun <- cxxfunction(signature(beta_ ="matrix"),
                       code, plugin="RcppArmadillo")

m <- matrix(1:9,3)
fun(m)

require（RcppArmadillo）
需要（内联）
代码RcppArmadillo的一个基本示例如下所示

require(RcppArmadillo)
require(inline)

code <- '
  arma::mat beta = Rcpp::as<arma::mat>(beta_);
  int n = beta.n_rows; int p = beta.n_cols;
  arma::mat Ip = arma::eye<arma::mat>( p, p );
  int ii;
  double S=0;
  for (ii=0; ii<(n+p); ii++) {
    S += ii; // dummy calculation
  }
  return Rcpp::wrap(S);
 '

fun <- cxxfunction(signature(beta_ ="matrix"),
                       code, plugin="RcppArmadillo")

m <- matrix(1:9,3)
fun(m)

require（RcppArmadillo）
需要（内联）
代码我的第一个问题的答案如下所示。这可能不是有效的方法，但Rcpp代码给出的结果与R代码相同。我感谢巴蒂斯特的帮助

code <- '<br/>
arma::mat beta = Rcpp::as<arma::mat>(beta_);
arma::rowvec y = Rcpp::as<arma::rowvec>(y_);
int n = beta.n_rows; int p = beta.n_cols;
arma::mat Ip = arma::eye<arma::mat>( p, p );
int ii;
arma::mat H1 = beta,  d;
arma::mat H2=H1.zeros(p,p);
arma::rowvec S;
for (ii=0;ii<n;ii++){
S= beta.row(ii);
d = trans(y - S)*(y-S);
H2 = H2 + d ;
}
arma::mat H = chol(H2+p*Ip);
arma::mat Q , R;
 qr(Q,R,H);
arma::mat RR = R;
arma::mat TT = trans(chol(solve(trans(RR)*RR,Ip)));
int jj;
arma::mat SS = H1.zeros(p,p);
arma::colvec u;
arma::colvec V;
for(jj=0;jj<(n+p);jj++) {
       u = rnorm(p);
       V = TT*u;
      SS = SS + V * trans(V);
      }
arma::mat SS1 = chol(SS);
arma::mat Q1 , R1;
qr(Q1,R1,SS1);
arma::mat SS2 = R1;
arma::mat D = solve(trans(SS2)*SS2,Ip);
return Rcpp::List::create(Rcpp::Named("Dinv")=SS,Rcpp::Named("D")=D);
'
fun = cxxfunction(signature(beta_ ="matrix",y_="numeric"),code, plugin="RcppArmadillo")
m = matrix(rnorm(100),ncol=5)
vec = rnorm(5)
fun(m,vec) 

code我的第一个问题的答案如下所示。这可能不是有效的方法，但Rcpp代码给出的结果与R代码相同。我感谢巴蒂斯特的帮助

code <- '<br/>
arma::mat beta = Rcpp::as<arma::mat>(beta_);
arma::rowvec y = Rcpp::as<arma::rowvec>(y_);
int n = beta.n_rows; int p = beta.n_cols;
arma::mat Ip = arma::eye<arma::mat>( p, p );
int ii;
arma::mat H1 = beta,  d;
arma::mat H2=H1.zeros(p,p);
arma::rowvec S;
for (ii=0;ii<n;ii++){
S= beta.row(ii);
d = trans(y - S)*(y-S);
H2 = H2 + d ;
}
arma::mat H = chol(H2+p*Ip);
arma::mat Q , R;
 qr(Q,R,H);
arma::mat RR = R;
arma::mat TT = trans(chol(solve(trans(RR)*RR,Ip)));
int jj;
arma::mat SS = H1.zeros(p,p);
arma::colvec u;
arma::colvec V;
for(jj=0;jj<(n+p);jj++) {
       u = rnorm(p);
       V = TT*u;
      SS = SS + V * trans(V);
      }
arma::mat SS1 = chol(SS);
arma::mat Q1 , R1;
qr(Q1,R1,SS1);
arma::mat SS2 = R1;
arma::mat D = solve(trans(SS2)*SS2,Ip);
return Rcpp::List::create(Rcpp::Named("Dinv")=SS,Rcpp::Named("D")=D);
'
fun = cxxfunction(signature(beta_ ="matrix",y_="numeric"),code, plugin="RcppArmadillo")
m = matrix(rnorm(100),ncol=5)
vec = rnorm(5)
fun(m,vec) 

code它看起来像是
RcppEigen
或
RcppArmadillo
的作业。您需要的大多数R函数在这些包中都有一个直接的等价物。我建议您尝试使用一个更基本的
for
循环，逐步添加新行，并根据R等价物检查每个结果。首先，您是否将代码分析为f找出瓶颈在哪里？可能只是a=rnorm（3）代码在开头（提示：否，不是）而且，花数小时优化只占用1%时间的代码是没有意义的。分析可能会告诉您哪些循环占用的时间最长，然后您只需Rcpp这一点。这将节省您的时间。由于数据集很大，代码实际上是一个函数的一部分，运行100000次迭代需要3个多小时。我提交了这个部分代码作为示例，让我了解Rcpp如何处理循环，重点是“for（I in 1:n）{subBi=beta[I，]；H=H+tcrossprod（a-subBi）}”。为什么不发布一个最小的、可复制的示例，以便我可以修改下面的答案呢？它看起来像是
RcppEigen
或
RcppArmadillo
的工作。您需要的大多数R函数在这些包中都有直接的等价物。我建议您尝试使用更基本的
for
循环，逐步添加新行，然后检查首先，你有没有分析过你的代码以找出瓶颈在哪里？可能只是a=rnorm（3）代码在开始时（提示：否，不是）而且，花数小时优化只占用1%时间的代码是没有意义的。分析可能会告诉您哪些循环占用的时间最长，然后您只需Rcpp这一点。这将节省您的时间。由于数据集很大，代码实际上是一个函数的一部分，运行100000次迭代需要3个多小时。我提交了这个部分代码作为示例，让我了解Rcpp如何处理循环，重点是“for（I in 1:n）{subBi=beta[I，]；H=H+tcrossprod（a-subBi）}。为什么不发布一个最小的、可复制的示例，以便我可以修改下面的答案？