R replicate（）函数在Rcpp函数上不起作用_R_Rcpp_Replicate

R replicate（）函数在Rcpp函数上不起作用

R replicate（）函数在Rcpp函数上不起作用,r,rcpp,replicate,R,Rcpp,Replicate,我在使用R中的replicate（）函数生成带有Rcpp函数的随机数时遇到问题。在R:中考虑以下函数 trial <- function(){rnorm(1)} replicate(10, trial()) 但是，我有一个C++函数 GeTrand（）/，它生成高斯分布的随机数。我再次使用replicate调用函数，如下所示： [1] 0.7609912 -0.2949613 1.8684363 -0.3358377 -1.6043926 0.2706250 0.5528813

我在使用R中的

replicate（）

函数生成带有Rcpp函数的随机数时遇到问题。在R:

中考虑以下函数

trial <- function(){rnorm(1)}
replicate(10, trial())

但是，我有一个C++函数<代码> GeTrand（）/<代码>，它生成高斯分布的随机数。我再次使用replicate调用函数，如下所示：

 [1]  0.7609912 -0.2949613  1.8684363 -0.3358377 -1.6043926  0.2706250  0.5528813  1.0228125 -0.2419092 -1.4761937

replicate(10,getRan())

> replicate(10,getRan())
 [1] -1.374932 -1.374932 -1.374932 -1.374932 -1.374932 -1.374932 -1.374932 -1.374932 -1.374932 -1.374932
> replicate(10,getRan())
 [1] -0.3273785 -0.3273785 -0.3273785 -0.3273785 -0.3273785 -0.3273785 -0.3273785 -0.3273785 -0.3273785 -0.3273785
> replicate(10,getRan())
 [1] -0.7591953 -0.7591953 -0.7591953 -0.7591953 -0.7591953 -0.7591953 -0.7591953 -0.7591953 -0.7591953 -0.7591953
> replicate(10,getRan())
 [1] -1.698935 -1.698935 -1.698935 -1.698935 -1.698935 -1.698935 -1.698935 -1.698935 -1.698935 -1.698935

#include <Rcpp.h>
// [[Rcpp::plugins(cpp11)]]
#include <random>

namespace {
  std::default_random_engine generator(std::random_device{}());
  std::normal_distribution<double> distribution (0.0,1.0);  
}

// [[Rcpp::export]]
double getRan(){
  return distribution(generator);
}

/*** R
replicate(10,getRan())
*/

它创建了一个相同数量的向量，如下所示：

 [1]  0.7609912 -0.2949613  1.8684363 -0.3358377 -1.6043926  0.2706250  0.5528813  1.0228125 -0.2419092 -1.4761937

replicate(10,getRan())

> replicate(10,getRan())
 [1] -1.374932 -1.374932 -1.374932 -1.374932 -1.374932 -1.374932 -1.374932 -1.374932 -1.374932 -1.374932
> replicate(10,getRan())
 [1] -0.3273785 -0.3273785 -0.3273785 -0.3273785 -0.3273785 -0.3273785 -0.3273785 -0.3273785 -0.3273785 -0.3273785
> replicate(10,getRan())
 [1] -0.7591953 -0.7591953 -0.7591953 -0.7591953 -0.7591953 -0.7591953 -0.7591953 -0.7591953 -0.7591953 -0.7591953
> replicate(10,getRan())
 [1] -1.698935 -1.698935 -1.698935 -1.698935 -1.698935 -1.698935 -1.698935 -1.698935 -1.698935 -1.698935

#include <Rcpp.h>
// [[Rcpp::plugins(cpp11)]]
#include <random>

namespace {
  std::default_random_engine generator(std::random_device{}());
  std::normal_distribution<double> distribution (0.0,1.0);  
}

// [[Rcpp::export]]
double getRan(){
  return distribution(generator);
}

/*** R
replicate(10,getRan())
*/

但是，如果我多次调用该函数，它可以正常工作：

 getRan()
[1] 1.345227
> getRan()
[1] 0.3555393
> getRan()
[1] 1.587241
> getRan()
[1] 0.5313518

那么这里的问题是什么？

replicate（）

函数是否重复从

getRan（）

返回的相同函数，而不是多次调用

getRan（）

？是虫子吗

PS：我知道我可以用<代码> RyMax（n）< /C>生成n个正态随机数，但是，我想用C++函数来生成更复杂的计算，基于生成随机数< /p> P> PPS：这是我的C++代码：

double getRan(){
  unsigned seed = std::chrono::system_clock::now().time_since_epoch().count();
  std::default_random_engine generator(seed);
  std::normal_distribution<double> distribution (0.0,1.0);
  double epi = distribution(generator);
  return epi;
}

double getRan（）{
unsigned seed=std:：chrono:：system_clock:：now（）；
std：：默认随机引擎生成器（种子）；
标准：正态分布（0.0,1.0）；
双epi=配电（发电机）；
返回计划免疫；
}

下面是一个反例，表明它工作正常：

代码

下面是一个反例，表明它工作正常：

代码

德克斯的回答是正确的。你应该使用R的RNG。如果你坚持在C++中使用RNG，你可以使用这样的东西：

 [1]  0.7609912 -0.2949613  1.8684363 -0.3358377 -1.6043926  0.2706250  0.5528813  1.0228125 -0.2419092 -1.4761937

replicate(10,getRan())

> replicate(10,getRan())
 [1] -1.374932 -1.374932 -1.374932 -1.374932 -1.374932 -1.374932 -1.374932 -1.374932 -1.374932 -1.374932
> replicate(10,getRan())
 [1] -0.3273785 -0.3273785 -0.3273785 -0.3273785 -0.3273785 -0.3273785 -0.3273785 -0.3273785 -0.3273785 -0.3273785
> replicate(10,getRan())
 [1] -0.7591953 -0.7591953 -0.7591953 -0.7591953 -0.7591953 -0.7591953 -0.7591953 -0.7591953 -0.7591953 -0.7591953
> replicate(10,getRan())
 [1] -1.698935 -1.698935 -1.698935 -1.698935 -1.698935 -1.698935 -1.698935 -1.698935 -1.698935 -1.698935

#include <Rcpp.h>
// [[Rcpp::plugins(cpp11)]]
#include <random>

namespace {
  std::default_random_engine generator(std::random_device{}());
  std::normal_distribution<double> distribution (0.0,1.0);  
}

// [[Rcpp::export]]
double getRan(){
  return distribution(generator);
}

/*** R
replicate(10,getRan())
*/

#包括
//[[Rcpp:：插件（cpp11）]]
#包括
名称空间{
std:：default_random_引擎生成器（std:：random_设备{}（））；
标准：正态分布（0.0,1.0）；
}
//[[Rcpp:：导出]]
双getRan（）{
回流分配（发电机）；
}
/***R
复制（10，getRan（））
*/

这样可以避免在每次函数调用时创建

std:：default\u random\u engine

（和

std:：normal\u distribution

）的新实例。这一点很重要，因为只有从一个RNG重复提取才能保证RNG的属性。不适用于从不同的RNG中重复提取（希望不同）种子

顺便说一句，在我的系统上，您的原始代码多次不会产生相同的数字。如果您在使用

std:：random_设备时遇到问题，并且正在windows上工作，您可能会受到影响。在这种情况下，按时间播种是更好的选择。
德克斯的答案是正确的。你应该使用R的RNG。如果你坚持在C++中使用RNG，你可以使用这样的东西：
 [1]  0.7609912 -0.2949613  1.8684363 -0.3358377 -1.6043926  0.2706250  0.5528813  1.0228125 -0.2419092 -1.4761937 

replicate(10,getRan())

> replicate(10,getRan())
 [1] -1.374932 -1.374932 -1.374932 -1.374932 -1.374932 -1.374932 -1.374932 -1.374932 -1.374932 -1.374932
> replicate(10,getRan())
 [1] -0.3273785 -0.3273785 -0.3273785 -0.3273785 -0.3273785 -0.3273785 -0.3273785 -0.3273785 -0.3273785 -0.3273785
> replicate(10,getRan())
 [1] -0.7591953 -0.7591953 -0.7591953 -0.7591953 -0.7591953 -0.7591953 -0.7591953 -0.7591953 -0.7591953 -0.7591953
> replicate(10,getRan())
 [1] -1.698935 -1.698935 -1.698935 -1.698935 -1.698935 -1.698935 -1.698935 -1.698935 -1.698935 -1.698935

#include <Rcpp.h>
// [[Rcpp::plugins(cpp11)]]
#include <random>

namespace {
  std::default_random_engine generator(std::random_device{}());
  std::normal_distribution<double> distribution (0.0,1.0);  
}

// [[Rcpp::export]]
double getRan(){
  return distribution(generator);
}

/*** R
replicate(10,getRan())
*/

#包括
//[[Rcpp:：插件（cpp11）]]
#包括
名称空间{
std:：default_random_引擎生成器（std:：random_设备{}（））；
标准：正态分布（0.0,1.0）；
}
//[[Rcpp:：导出]]
双getRan（）{
回流分配（发电机）；
}
/***R
复制（10，getRan（））
*/

这样可以避免在每次函数调用时创建std:：default\u random\u engine
（和std:：normal\u distribution
）的新实例。这一点很重要，因为只有从一个RNG重复提取才能保证RNG的属性。不适用于从不同的RNG中重复提取（希望不同）种子
顺便说一句，在我的系统上，您的原始代码多次不会产生相同的数字。如果您在使用std:：random_设备时遇到问题，并且正在windows上工作，您可能会受到影响。在这种情况下，按时间播种是更好的选择。
有趣。你能检查一下如果你做lappy（1:10，getRan）
会发生什么吗？我怀疑这与replicate
获取表达式有关，但除此之外，我不确定…发布一个可复制的示例。这只是一个（可能是善意的，但仍然无用的）咆哮……我的水晶球告诉我，在C++中，RNG用相同的种子实例化。对于更多，我们需要一个.@ das2它产生：> LoPixy（1:10，GeTRAN）错误在乐趣（x[[i]），…：未使用的参数（x[[i]）@ RalfStubner，谢谢，我也同样实现了，我用时间作为种子，所以当函数被调用为复制（）时，种子是相同的，我知道如何解决它，这是我的C++代码：<代码>双GeTrand（）{unsigned seed=std:：chrono:：system_clock:：now（）.time_since_epoch（）.count（）；std:：default_random_引擎生成器（seed）；std:：normal_分布（0.0,1.0）；double epi=distribution（generator）；return epi；}

有趣。您能检查一下如果执行

lappy（1:10，getRan）会发生什么吗

？我怀疑这与

replicate

获取表达式有关，但除此之外，我不确定……发布一个可复制的示例。到目前为止，这只是一个（可能是出于好意，但仍然没有用）RANT……我的水晶球告诉我，在C++中，RNG用同一个种子实例化。对于更多，我们需要一个.@ DASH2，它产生：> LoPix:1:10，GeTRAN错误（x[[i]），…：未使用的参数（x[[i]）@ RalfStubner，谢谢，我也同样意识到了同样的事情，我用时间作为种子，所以当函数用复制程序（）调用时种子是相同的，我知道如何解决它，这里是我的C++代码：<代码>双GeTrand（）：unSealStay= STD:：：Time::StulyLogCiel:No（）。Tim::Debug TraceRead OngEngor生成器（种子）；STD:：Noimig分布分布（0.01.0）；双EPI=分发（生成器）；返回EPI；}如果不包含名称，则名称空间声明的目的是什么？@thc这是一个匿名名称空间。有关更多信息，请参阅此处的示例。如果不包含名称，则名称空间声明的目的是什么？@thc这是一个匿名名称空间。有关更多信息，请参阅此处的示例