如何使用Rcpp加速此R功能？

我想用R中的循环写出很多文本文件，但我不知道如何用Rcpp加速？ 测试数据和R功能如下：

mywrite<- function(data,dataid){
  for(i in unique(dataid$id)) {
    yearid=data[["year"]][i==data[["id"]]]
    for(yr in yearid) {
      fname=paste(i,sprintf("%03d",yr%%1000),sep=".")
      write.table(dataid[i,],file=fname,row.names=FALSE,col.names=FALSE)
      write.table(subset(data,year==yr&id==i),file=fname,row.names=FALSE,col.names=FALSE,append=TRUE)
    }
  }
}

data=data.frame(id=rep(1:5,4),year=rep(1991:2000,2),x=rep(1,40),y=rep(1,40))
dataid=data.frame(id=1:5,lat=31:35,lon=101:105)
mywrite(data,dataid)

---

mywrite我通过消除循环中所有冗余的
子集
ing，并使用拆分应用策略，获得了4倍的加速：

mywrite2<- function(data,dataid){
  by(data, interaction(data$year, data$id), function(x){
             i <- x$id[1]
             yr <- x$year[1]
             fname=paste(i,sprintf("%03d.2",yr%%1000),sep=".")
             write.table(dataid[i,],file=fname,row.names=FALSE,col.names=FALSE)
             write.table(x, file=fname, row.names=FALSE, col.names=FALSE, append=TRUE) 
          })
}


> require(microbenchmark)
> microbenchmark(
+ mywrite(data,dataid)
+ ,
+ mywrite2(data,dataid)
+ )
Unit: milliseconds
                   expr       min         lq        mean     median         uq        max neval
  mywrite(data, dataid) 76.613679 77.4709100 78.86304895 78.0260815 78.7791595 128.463443   100
 mywrite2(data, dataid) 18.894828 19.1707455 20.12820819 19.4053135 21.2940880  23.101325   100

mywrite2我通过消除循环中所有冗余的
子集
ing，并使用拆分应用策略，获得了4倍的加速：

mywrite2<- function(data,dataid){
  by(data, interaction(data$year, data$id), function(x){
             i <- x$id[1]
             yr <- x$year[1]
             fname=paste(i,sprintf("%03d.2",yr%%1000),sep=".")
             write.table(dataid[i,],file=fname,row.names=FALSE,col.names=FALSE)
             write.table(x, file=fname, row.names=FALSE, col.names=FALSE, append=TRUE) 
          })
}


> require(microbenchmark)
> microbenchmark(
+ mywrite(data,dataid)
+ ,
+ mywrite2(data,dataid)
+ )
Unit: milliseconds
                   expr       min         lq        mean     median         uq        max neval
  mywrite(data, dataid) 76.613679 77.4709100 78.86304895 78.0260815 78.7791595 128.463443   100
 mywrite2(data, dataid) 18.894828 19.1707455 20.12820819 19.4053135 21.2940880  23.101325   100

mywrite2您分析过代码了吗？我不认为使用Rcpp有多大的改进潜力，因为您的瓶颈可能是写入磁盘，您的真实数据集中有多少id和年份，以及您（平均）每年有多少记录id组合？使用R写出这样的30000个文本文件大约需要50分钟，虽然使用FORTRAN.so只需10分钟，但我认为使用Rcpp会更快。有关加快进程的提示，请参阅
write.table
的帮助。特别是，您可能希望在写入数据之前将其转换为矩阵。是的，我在项目中尝试了cat和as.matrix函数。您分析了代码吗？我不认为使用Rcpp有多大的改进潜力，因为您的瓶颈可能是写入磁盘，您的真实数据集中有多少id和年份，以及您（平均）每年有多少记录id组合？使用R写出这样的30000个文本文件大约需要50分钟，虽然使用FORTRAN.so只需10分钟，但我认为使用Rcpp会更快。有关加快进程的提示，请参阅
write.table
的帮助。特别是，在写出数据之前，您可能希望将数据转换为矩阵。是的，我在我的项目中尝试了cat和as.matrix函数。非常好，谢谢！我已经将其固定为write.table（as.matrix（x）），但我认为需要一个dataid[I，]（in write.table（dataid[I，]）的子集，也许可以用dplyr包（使用group_by）完成，太好了，谢谢！我已经将其固定为write.table（as.matrix（x）），但我认为dataid[I，]（in write.table（dataid[I，]）需要一个子集）可能可以使用dplyr包完成（使用group_by）