R：循环和可视化；“运行时间”；在R

我正在使用R编程语言。我想学习如何随着数据大小的增加测量和绘制差异过程的运行时间

我发现以前的stackoverflow帖子回答了一个类似的问题：

看起来R中的“微基准”库应该能够完成这项任务

假设我模拟以下数据：

#load libraries

library(microbenchmark)
library(dplyr)
library(ggplot2)
library(Rtsne)
library(cluster)
library(dbscan)
library(plotly)

#simulate data

var_1 <- rnorm(1000,1,4)
var_2<-rnorm(1000,10,5)
var_3 <- sample( LETTERS[1:4], 1000, replace=TRUE, prob=c(0.1, 0.2, 0.65, 0.05) )
var_4 <- sample( LETTERS[1:2], 1000, replace=TRUE, prob=c(0.4, 0.6) )


#put them into a data frame called "f"
f <- data.frame(var_1, var_2, var_3, var_4)

#declare var_3 and response_variable as factors
f$var_3 = as.factor(f$var_3)
f$var_4 = as.factor(f$var_4)

#add id
f$ID <- seq_along(f[,1])

#加载库
图书馆（微基准）
图书馆（dplyr）
图书馆（GG2）
图书馆（Rtsne）
图书馆（群集）
图书馆（dbscan）
图书馆（绘本）
#模拟数据
var_1创建一个函数，该函数执行分析的所有步骤，并将其传递到
microbenchmark
。在伪代码中，与

runAnalysis <- function(x, size) {
  x <- x[1:size, ]
  # forther steps of the analysis
}

xy <- microbenchmark(
  subset_5 = runAnalysis(x = f, size = 5),
  subset_50 = runAnalysis(x = f, size = 50),
  times = 1
)

runAnalysis
procedure_1_part_1 <- microbenchmark(daisy(f[,-5],
                    metric = "gower"))

procedure_1_part_2 <-  microbenchmark(as.matrix(gower_dist))

runAnalysis <- function(x, size) {
  x <- x[1:size, ]
  # forther steps of the analysis
}

xy <- microbenchmark(
  subset_5 = runAnalysis(x = f, size = 5),
  subset_50 = runAnalysis(x = f, size = 50),
  times = 1
)