Performance R中数据的快速边界

假设我有一个向量，

vec

，它很长（从1E8条目开始），并且希望将它绑定到范围

[a，b]

。我当然可以编码

vec[vec

和

vec[vec>b]=b

，但这需要对数据进行两次传递，并为临时指示符向量分配一个大的RAM（~800MB，两次）。这两个过程都会消耗时间，因为如果我们只将数据从主存复制到本地缓存一次，我们可以做得更好（对主存的调用是错误的，缓存未命中也是错误的）。谁知道多线程可以改善多少，但我们不要贪心。：）

---

base R或我忽略的某个包中是否有一个很好的实现，或者这是Rcpp（或我的老朋友

data.table

）的工作？

只是开始：您的解决方案和

pmin

/

pmax

解决方案之间没有太大区别（因为我不耐烦，尝试使用n=1e7而不是n=1e8）--

pmin

/

pmax

实际上稍微慢一点

fun1 <- function(x,a,b) {x[x<a] <- a; x[x>b] <- b; x}
fun2 <- function(x,a,b) pmin(pmax(x,a),b)
library(rbenchmark)
z <- runif(1e7)

benchmark(fun1(z,0.25,0.75),fun2(z,0.25,0.75),rep=50)

                 test replications elapsed relative user.self sys.self
1 fun1(z, 0.25, 0.75)           10  21.607  1.00000     6.556   15.001
2 fun2(z, 0.25, 0.75)           10  23.336  1.08002     5.656   17.605

fun1一个简单的C解决方案是

library(inline)

fun4 <-
    cfunction(c(x="numeric", a="numeric", b="numeric"), body4,
              language="C")
body4 <- "
    R_len_t len = Rf_length(x);
    SEXP result = Rf_allocVector(REALSXP, len);
    const double aa = REAL(a)[0], bb = REAL(b)[0], *xp = REAL(x);
    double *rp = REAL(result);

    for (int i = 0; i < len; ++i)
        if (xp[i] < aa)
            rp[i] = aa;
        else if (xp[i] > bb)
            rp[i] = bb;
        else
            rp[i] = xp[i];

    return result;
"
fun4 <-
    cfunction(c(x="numeric", a="numeric", b="numeric"), body4,
              language="C")

和基准

> z <- runif(1e7)
> benchmark(fun1(z,0.25,0.75), fun4(z, .25, .75), fun5(z, .25, .75),
+           replications=10)
                 test replications elapsed  relative user.self sys.self
1 fun1(z, 0.25, 0.75)           10   9.087 14.609325     8.335    0.739
2 fun4(z, 0.25, 0.75)           10   1.505  2.419614     1.305    0.198
3 fun5(z, 0.25, 0.75)           10   0.622  1.000000     2.156    0.320
  user.child sys.child
1          0         0
2          0         0
3          0         0
> identical(res1 <- fun1(z,0.25,0.75), fun4(z,0.25,0.75))
[1] TRUE
> identical(res1, fun5(z, 0.25, 0.75))
[1] TRUE

>z基准测试（fun1（z，0.25,0.75），fun4（z，25,75），fun5（z，25,75），
+复制次数=10次）
相对user.self sys.self测试复制已用时间
1 fun1（z，0.25，0.75）109.08714.6093258.3350.739
2 fun4（z，0.25，0.75）101.5052.419614 1.305 0.198
3 fun5（z，0.25，0.75）10 0.622 1.0000002.156 0.320
user.child sys.child
1          0         0
2          0         0
3          0         0
>相同（res1相同（res1，fun5（z，0.25，0.75））
[1] 真的

在我的四核笔记本电脑上。假设数字输入，没有错误检查，NA处理等。有趣的是。我希望这会更快，但似乎没有这样的运气。
fun2
在R版本2.15.0补丁（2012-05-01 r59304）平台上对我来说大约快20%：x86_64-unknown-linux-gnu（64位）用CFLAGS=-O0编译；hack
.Internal（pmin（FALSE，x，a））
etc比
fun1
+1快30%左右，我想在核心R中使用这个函数，叫做
clamp（x，low，high）
…人们总是希望OpenMP使用+1，对吧；-），但我认为需要修改PKG\u CFLAGS etc来获得
-fopenmp
。或者您是在其他地方这样做的，例如在
~/.R/Makevars
？@DirkEddelbuettel R的configure.ac检测OpenMP
-fopenmp
在R_HOME/etc/Makeconf中设置。不在我的机器上，我从您的示例中得到
警告：忽略35; pragma omp parallel[-Wunknown pragmas]
。尽管我在
/etc/R/Makeconf
中有
-fopenmp
（这是一个指向
R\u HOME
下面位置的符号链接）。@DirkEddelbuettel是的，你是对的，~/.R/Makevars包含
CFLAGS=-fopenmp
> z <- runif(1e7)
> benchmark(fun1(z,0.25,0.75), fun4(z, .25, .75), fun5(z, .25, .75),
+           replications=10)
                 test replications elapsed  relative user.self sys.self
1 fun1(z, 0.25, 0.75)           10   9.087 14.609325     8.335    0.739
2 fun4(z, 0.25, 0.75)           10   1.505  2.419614     1.305    0.198
3 fun5(z, 0.25, 0.75)           10   0.622  1.000000     2.156    0.320
  user.child sys.child
1          0         0
2          0         0
3          0         0
> identical(res1 <- fun1(z,0.25,0.75), fun4(z,0.25,0.75))
[1] TRUE
> identical(res1, fun5(z, 0.25, 0.75))
[1] TRUE