C++ 将R中的SEXP转换为C+中的字符串向量+；

我试图将字符向量（即字符串向量）从R传递到C/C++以进行排序和其他用途。使用Rcpp时，可以使用以下代码轻松完成此操作：

#include <Rcpp.h>
#include <vector>
#include <string>
using namespace Rcpp;

// [[Rcpp::export]]
CharacterVector sort(CharacterVector x) {

  std::sort(x.begin(), x.end());
  return x;
}

#包括
#包括
#包括
使用名称空间Rcpp；
//[[Rcpp:：导出]]
CharacterVector排序（CharacterVector x）{
std:：sort（x.begin（），x.end（））；
返回x；
}

但是，由于这是我在这个包中唯一计划使用的C++，所以在RCPP上引入依赖性似乎不值得。没有它，做同样的事情并不容易。整数很简单：

#include <R.h>
#include <Rdefines.h>
#include <algorithm>
#include <string.h>
using namespace std;
SEXP sort(SEXP x) {
  int* xx = INTEGER(x);
  std::sort(xx, xx+LENGTH(x));
  return(x);
}

#包括
#包括
#包括
#包括
使用名称空间std；
SEXP排序（sexpx）{
int*xx=整数（x）；
排序（xx，xx+长度（x））；
返回（x）；
}

但是没有

std:：vector

或

char**

等价于

INTEGER（）

如何在不向Rcpp引入依赖项的情况下模拟相同的代码

这里有一些问题讨论了如何使用

CHAR（STRING_ELT（））

转换单个字符串，但不清楚如何转换为字符串数组/向量。

STRING_PTR（）

类似于

INTEGER（）

。它返回一个

SEXP*

。解引用该值是R字符向量的第一个元素的SEXP

STRING_PTR（x）[0]

与

STRING_ELT（x，0）

相同。SEXP本身是一个指向数据结构的指针，该数据结构包含一个

常量char*

，指向字符向量第一个元素的实际字符；此指针可由

CHAR（STRING_PTR（x）[i]）

访问。各种宏在

file.path（R.home（“include”），“Rinternals.h”）

默认的

std:：sort（STRING_PTR（x），STRING_PTR（x）+LENGTH（x））

比较参数的取消引用值，即比较元素的指针地址--

STRING_PTR（x）[i]

。您想要的是比较实际的以null结尾的C字符串，

strcmp（CHAR（STRING_PTR（x）[i]）、CHAR（STRING_PTR（x）[j]）

。原始的

std:：sort（x.begin（），x.end（））

实际上并没有返回已排序的字符串（我认为Rcpp进行排序的方法是

x.sort（）

）

您需要一个自定义比较器，该比较器接受SEXP，提取

const char*

（通过

char（）

宏），并对这些值进行比较。这是比较器

struct CMP_CHAR {
    bool operator()(SEXP x, SEXP y) {
        return strcmp(CHAR(x), CHAR(y)) < 0;
    }
} cmp_char;

（我在上面的示例中使用Rcpp是为了使继续使用

sourceCpp（）

变得容易，但是这可以被删除，并且代码可以使用

R CMD SHLIB

编译，或者在不依赖Rcpp的情况下在包中使用）

请注意，这是一个非常糟糕的想法，因为直接操纵从R传递的对象而不进行复制打破了更改时复制的假象，并引入了一定距离的操作——在下面，

x

和

y

被更改，即使只有

x

被排序

> n = 10; set.seed(123); x = y = sample(as.character(1:n))
> sortcpp0(x); y
 [1] "1"  "10" "2"  "3"  "4"  "5"  "6"  "7"  "8"  "9" 
 [1] "1"  "10" "2"  "3"  "4"  "5"  "6"  "7"  "8"  "9"

我相信天真的Rcpp实现

// [[Rcpp::export]]
SEXP sortcpp0(SEXP x) {
    std::sort(STRING_PTR(x), STRING_PTR(x) + LENGTH(x), cmp_char);
    return x;
}

// [[Rcpp::export]]
CharacterVector sortRcpp2(CharacterVector x) {
    return x.sort();
}

还有一个问题——排序前需要复制输入参数。解决方案很简单——复制（并保护！即使在本例中技术上不需要）传入参数

// [[Rcpp::export]]
SEXP sortcpp(SEXP x) {
    x = PROTECT(Rf_duplicate(x));
    std::sort(STRING_PTR(x), STRING_PTR(x) + LENGTH(x), cmp_char);
    UNPROTECT(x);
    return x;
}

具有预期的行为

> n = 10; set.seed(123); x = y = sample(as.character(1:n))
> sortcpp(x); y
 [1] "1"  "10" "2"  "3"  "4"  "5"  "6"  "7"  "8"  "9" 
 [1] "3"  "8"  "4"  "7"  "6"  "1"  "10" "9"  "2"  "5" 

我认为还有一些Rcpp咒语（RCP::CalOne）（/Cord>），感谢DelkdDelBuiTele，用于复制参数，这对于任何被C++代码更改的参数都是一种必需的实践。 @Spacedman指出，R的排序可能还可以——它很快就落在了C上，有一个相当快（虽然不是最快）的排序实现，并且内置了很多很好的功能（例如，处理NA和不同的系统区域设置；后者以非常微妙的方式影响排序顺序）。但仍然有很大的收获（我对此感到惊讶…）

---

最后，尽管有帖子上的评论和关闭的原始帖子，但在StackOverflow中搜索只返回了一次点击——这是答案。

确切地说，为什么你认为引入对Rcpp的依赖似乎不值得，即使你认为它已经提供了一个可行的答案？询问朋友…另外，请允许我删除Rcpp的标签，因为您询问的是非Rcpp答案。我的软件包是22kB。Rcpp为3MB。另外，有些人（比如我自己的公司）在导入依赖项时有困难。对于一个函数来说，这都是相当大的开销。i）您的包是一个二进制的、预构建的、具有动态库依赖关系的包。ii）您可能已经通过其他依赖项拥有了Rcpp：iii）Rcpp可能是3mb，但仅R一项就可以达到这一数字的几十倍。2015年，以mb为单位的文件大小很少重要。不管怎样，你自己强加的困难，谢谢你的分享。它甚至值得引入对C编译器的依赖吗？C++排序在R排序上有多快？这对您的应用程序是否至关重要？您是否在pure R中分析了代码以了解瓶颈在哪里？当然，这取决于你神秘的“其他目的”是什么，但是你应该先在R中编码它，然后你就有了测试的基础。我怀疑速度的差异可能是R正在使用区域的排序序列，而C++只是使用ASCII。我认为你需要<代码> RCPP::C克隆（）/<代码>来强制一个不同的副本。这一点在很多地方都有讨论。非常感谢你提出的这个非常透彻的问题/答案，这将花费我痛苦的几个小时来解决。另外，感谢您帮助解决问题，无论您对问题的质量/性质有何个人意见。

> library(microbenchmark)
> n = 1e4; set.seed(123); x = sample(as.character(1:n))
> identical(sort(x), sortcpp(x))
[1] TRUE
> microbenchmark(sort(x), sortcpp(x))
Unit: milliseconds
       expr       min        lq      mean    median        uq       max neval
    sort(x) 56.061580 56.563541 57.034674 56.997618 57.667031 59.003068   100
 sortcpp(x)  3.542409  3.556655  3.610071  3.582562  3.662196  3.800319   100