在Rcpp中从列表中提取元素似乎有点慢
我刚刚用三个大小相同的输入向量编写了一个Rcpp函数，在Rcpp中从列表中提取元素似乎有点慢,r,rcpp,R,Rcpp,我刚刚用三个大小相同的输入向量编写了一个Rcpp函数，x（数字）y（数字）和类别（字符）。然后我想返回一个列表，列表大小等于唯一类别值的长度。此列表中的每个元素都是基于具有相应类别的x和y的相同大小矩阵（相等的行和列） 然而，当n的大小很大时，我发现我的代码速度不够快。我想原因是我需要从列表中提取一些东西，做一些计算，然后每次都把它插回去。有没有人对如何加快这一进程提出建议 Rcpp代码 #include <Rcpp.h> using namespace Rcpp; //[[Rcp
xy类别xyn#include <Rcpp.h>
using namespace Rcpp;
//[[Rcpp::export]]
List myList(NumericVector x, NumericVector y, CharacterVector category) {
int n = x.size();
CharacterVector levels = unique(category);
int levels_size = levels.size();
List L(levels_size);
int plot_width = 600;
int plot_height = 600;
// Each element in the list L has the same size Matrix
for(int j = 0; j < levels_size; j++) {
NumericMatrix R(plot_height, plot_width);
L[j] = R;
}
int id = 0;
double xmax = max(x);
double ymax = max(y);
double xmin = min(x);
double ymin = min(y);
for(int i=0; i < n; i++) {
for(int j = 0; j < levels_size; j++) {
if(category[i] == levels[j]) {
id = j;
break;
}
}
int id_x = floor((x[i] - xmin)/(xmax - xmin) * (plot_width - 1));
int id_y = floor((y[i] - ymin)/(ymax - ymin) * (plot_height - 1));
NumericMatrix M = L[id];
// some computation in M
M(id_y, id_x) += 1;
L[id] = M;
}
return(L);
}
n <- 1e8
class <- 20
x <- rnorm(n)
y <- rnorm(n)
category <- sample(as.factor(1:class), size = n, replace = TRUE)
start_time <- Sys.time()
L <- myList(x = x, y = y, category = category)
end_time <- Sys.time()
end_time - start_time
# Time difference of 35.3367 secs
#包括
使用名称空间Rcpp；
//[[Rcpp:：导出]]
列表myList（数字向量x、数字向量y、字符向量类别）{
int n=x.size（）；
CharacterVector级别=唯一（类别）；
int levels_size=levels.size（）；
列表L（级别和大小）；
int plot_width=600；
int plot_高度=600；
//列表L中的每个元素都有相同的大小矩阵
对于（int j=0；j#include <Rcpp.h>
using namespace Rcpp;
//[[Rcpp::export]]
List myList(NumericVector x, NumericVector y, CharacterVector category) {
int n = x.size();
CharacterVector levels = unique(category);
int levels_size = levels.size();
List L(levels_size);
int plot_width = 600;
int plot_height = 600;
// Each element in the list L has the same size Matrix
for(int j = 0; j < levels_size; j++) {
NumericMatrix R(plot_height, plot_width);
L[j] = R;
}
int id = 0;
double xmax = max(x);
double ymax = max(y);
double xmin = min(x);
double ymin = min(y);
for(int i=0; i < n; i++) {
for(int j = 0; j < levels_size; j++) {
if(category[i] == levels[j]) {
id = j;
break;
}
}
int id_x = floor((x[i] - xmin)/(xmax - xmin) * (plot_width - 1));
int id_y = floor((y[i] - ymin)/(ymax - ymin) * (plot_height - 1));
NumericMatrix M = L[id];
// some computation in M
M(id_y, id_x) += 1;
L[id] = M;
}
return(L);
}
n <- 1e8
class <- 20
x <- rnorm(n)
y <- rnorm(n)
category <- sample(as.factor(1:class), size = n, replace = TRUE)
start_time <- Sys.time()
L <- myList(x = x, y = y, category = category)
end_time <- Sys.time()
end_time - start_time
# Time difference of 35.3367 secs
n我怀疑性能方面存在两个主要问题：
- 大量字符串比较（顺序为
1e9
）
- 矩阵的大量缓存未命中，因为通常两个连续的xy对不会来自同一类别，因此需要不同的矩阵
两者都指向同一个方向：不要试图实现自己的分组操作。数据库引擎和包，如data.table
更了解如何做到这一点。例如，当使用data.table
时，我们需要一个简单得多的函数，该函数期望x和y代表一个类别，并输出一个矩阵：
#包括
使用名称空间Rcpp；
//[[Rcpp:：导出]]
数值矩阵getMat（数值向量x，数值向量y，
双xmin，双xmax，双ymin，双ymax，
int plot_宽度=600，int plot_高度=600）{
int n=x.size（）；
数字矩阵M（绘图高度、绘图宽度）；
对于（int i=0；i
是危险的。ListOf