在R中，For循环的速度是使用rpy2库的Python中的几倍

以下简单的

for

块在

R

中完成大约需要3秒：

library(MASS)
nruns <- 2000
nelems <- 50
maxX <- 1
maxY <- 1
for(i in 1:nruns) {
    dataX <- runif(nelems, 0, maxX)
    dataY <- runif(nelems, 0, maxY)
    kde2d(dataX, dataY, n=50, lims=c(0, maxX, 0, maxY) )
}

---

这仅仅是因为我正在使用

rpy2

库与

R

进行通信，还是有其他原因在起作用？这能以任何方式得到改进吗（同时仍然在Python中运行代码）？

当然，连接到外部语言API会比直接运行外部语言慢。但是，请考虑将所有的东西保存在Python层中，避免<代码> r（）>代码>调用。< /P>

from rpy2.robjects.packages import importr

base = importr("base")
stats = importr("stats")
mass = importr("MASS")

nruns = 2000
nelems = 50
maxX = 1
maxY =  1

for _ in range(nruns):
    dataX = stats.runif(nelems, 0, maxX)
    dataY = stats.runif(nelems, 0, maxY)
    kde2dmap = mass.kde2d(dataX, dataY, n=50, lims=base.c(0, maxX, 0, maxY))

---

4到5倍的速度似乎有点慢，但如果您使用自定义转换，则可能会出现这种情况（rpy2可以动态地将R对象转换为任意Python对象-请参阅文档）

或者，您可能是在HPC上，对于安装Python和包的位置，NFS访问速度较慢，而R在更快的本地磁盘上（这可能会对启动时间产生很大影响）

否则，也可以将循环保持在R中，以评估这是否会改变运行时间：

from rpy2.robjects import r
from rpy2.robjects.packages import importr

# importr('MASS')
# Calling 'importr' will perform quite a bit of work behind the
# scene. That works allows a more intuitive/pythonic use of the
# content of the R library "MASS", but if you are just passing
# a string to be evaluated for R evaluation you can skip it
# replace it with the following:
r('library("MASS")')

nruns = 2000
r.assign('nelems', 50)
r.assign('maxX', 1)
r.assign('maxY', 1)
r.assign('nruns', nruns)
r("""
for(i in 1:nruns) {
  dataX <- runif(nelems, 0, maxX)
  dataY <- runif(nelems, 0, maxY)
  kde2dmap <- kde2d(dataX, dataY, n=50, lims=c(0, maxX, 0, maxY) )
}
""")

---

关于性能的另一个评论是，rpy2从C扩展到

cffi

的转换导致了使用R的C API管理对话框的代码结构的显著改进（以及修复的一些棘手的错误），但在这里和那里的性能上有暂时的损失。速度优化正在逐步重新引入。

我不知道你能做到这一点。这比完整的

R

实现稍微慢一点。非常感谢。很高兴听到。没问题。如果不需要Python对象传递到R，请考虑调用<代码>子进程< /C>来直接运行R脚本。哇，这比PARFIT的答案快很多。他们的代码执行

importr（）

行大约需要6.5秒，执行循环大约需要7.5秒。你的答案需要大约4秒的时间。这是怎么回事？为什么这么快？（哦，谢谢！）在R中调用

importr（）

应该比调用

library（）

要花更多的时间。我在回答中添加了一个关于这一点的注释。当然，@Gabriel，因为lgautier是

rpy2

。也许在未来的

rpy2

版本中，R方法可以隐式转换作为参数发送的Python类型（int->IntVector，float->FloatVector）而且

importr

可以简化包的映射？@Parfait:

rpy2

已经能够自动将

int

或

float

类型的Python标量转换为R长度的一个向量。然而，在这个关于优化的示例中，

maxX

，

maxY

和

nelems

在循环期间是恒定的。为所有迭代创建一次相应的R向量将节省一点额外的时间。回答得很好，非常感谢你们两位！

from rpy2.robjects import r
from rpy2.robjects.packages import importr

# importr('MASS')
# Calling 'importr' will perform quite a bit of work behind the
# scene. That works allows a more intuitive/pythonic use of the
# content of the R library "MASS", but if you are just passing
# a string to be evaluated for R evaluation you can skip it
# replace it with the following:
r('library("MASS")')

nruns = 2000
r.assign('nelems', 50)
r.assign('maxX', 1)
r.assign('maxY', 1)
r.assign('nruns', nruns)
r("""
for(i in 1:nruns) {
  dataX <- runif(nelems, 0, maxX)
  dataY <- runif(nelems, 0, maxY)
  kde2dmap <- kde2d(dataX, dataY, n=50, lims=c(0, maxX, 0, maxY) )
}
""")

 import rpy2.rinterface as ri
 ri.initr()
 ri.baseenv['library']("MASS")
 # early bindings for R functions:
 runif = ri.globalenv.find('runif')
 kde2d = ri.globalenv.find('kde2d')
 # create constant values in loop as R objects
 maxX = ri.IntVector((1, ))
 maxY = ri.IntVector((1, ))
 nelems = ri.IntVector((50, ))
 zero = ri.IntVector((0, ))
 limits = ri.IntVector((0, maxX[0], 0, maxY[0]))
 for i in range(nruns):
     dataX = runif(nelems, zero, maxX)
     dataY = runif(nelems, zero, maxY)
     kde2dmap = kde2d(dataX, dataY, n=nelems, lims=limits)