使用Rstudio在windows中设置Rcpp Armadillo

我正在尝试使用Rstudio在我的windows系统中设置RcppArmadillo。我已经用命令成功地安装了RcppArmadillo

install.packages("RcppArmadillo")

在R控制台中

<>但是当我尝试编译一个带有RcppArmadillo依赖项的C++代码时，我得到了一个错误，比如

g++ -m64 -I"C:/PROGRA~1/R/R-30~1.3/include" -DNDEBUG     -I"C:/PROGRA~1/R/R-30~1.3/library/Rcpp/include"  -I"d:/RCompile/CRANpkg/extralibs64/local/include"     -O2 -Wall  -mtune=core2 -c colrowStat.cpp -o colrowStat.o colrowStat.cpp:5:26: fatal error: RcppArmadillo.h: No such file or directory compilation terminated. make: *** [colrowStat.o] Error 1 Warning message: running command 'make -f "C:/PROGRA~1/R/R-30~1.3/etc/x64/Makeconf" -f "C:/PROGRA~1/R/R-30~1.3/share/make/winshlib.mk" SHLIB_LDFLAGS='$(SHLIB_CXXLDFLAGS)' SHLIB_LD='$(SHLIB_CXXLD)' SHLIB="sourceCpp_38187.dll" WIN=64 TCLBIN=64 OBJECTS="colrowStat.o"' had status 2 

但是头文件可以在路径_to _my_documents/R/win libraries/3.0/RcppArmadillo/Include中找到

---

我认为编译的include路径没有这个路径。我不知道如何将此文件夹添加到路径。我非常感谢您对这个问题的帮助。

您做错了。有很多方法可以做到这一点，我们记录了其中的几个方法。你在这里所做的不是其中之一

试试这个，然后从那里开始：

R> library(Rcpp)
R> cppFunction("arma::mat op(arma::vec x) { return(x*x.t()); }", 
+              depends="RcppArmadillo")
R> op(1:2)
     [,1] [,2]
[1,]    1    2
[2,]    2    4
R> 

这是一个基本的例子：取一个向量，乘以它的转置，返回结果外积矩阵

---

您最终想要的是一个包，为此，您可能会比从

RcppArmadillo.package.skeleton（）开始做得更糟。

您做得不对。有很多方法可以做到这一点，我们记录了其中的几个方法。你在这里所做的不是其中之一

试试这个，然后从那里开始：

R> library(Rcpp)
R> cppFunction("arma::mat op(arma::vec x) { return(x*x.t()); }", 
+              depends="RcppArmadillo")
R> op(1:2)
     [,1] [,2]
[1,]    1    2
[2,]    2    4
R> 

这是一个基本的例子：取一个向量，乘以它的转置，返回结果外积矩阵

---

您最终想要的是一个包，为此，您可能会比从

RcppArmadillo.package.skeleton（）开始做得更糟。

您做得不对。有很多方法可以做到这一点，我们记录了其中的几个方法。你在这里所做的不是其中之一

试试这个，然后从那里开始：

R> library(Rcpp)
R> cppFunction("arma::mat op(arma::vec x) { return(x*x.t()); }", 
+              depends="RcppArmadillo")
R> op(1:2)
     [,1] [,2]
[1,]    1    2
[2,]    2    4
R> 

这是一个基本的例子：取一个向量，乘以它的转置，返回结果外积矩阵

---

您最终想要的是一个包，为此，您可能会比从

RcppArmadillo.package.skeleton（）开始做得更糟。

您做得不对。有很多方法可以做到这一点，我们记录了其中的几个方法。你在这里所做的不是其中之一

试试这个，然后从那里开始：

R> library(Rcpp)
R> cppFunction("arma::mat op(arma::vec x) { return(x*x.t()); }", 
+              depends="RcppArmadillo")
R> op(1:2)
     [,1] [,2]
[1,]    1    2
[2,]    2    4
R> 

这是一个基本的例子：取一个向量，乘以它的转置，返回结果外积矩阵

---

你最终想要的是一个软件包，为此，你可能会比从

RcppArmadillo.package.skeleton（）开始做得更糟。

你的问题缺乏细节，但如果你是在Windows机器上使用RStudio，下面是一个完全可重复的示例，介绍如何在不使用

内联

包的情况下使用

RcppArmadillo

，除了非常短的函数外，这不是理想的。
正如德克所指出的，这个建议在其他地方也可以找到——Rcpp*生态系统的文档记录非常丰富，但这可能对新手有所帮助

0预备工作： 您应该安装以下组件：

R包

R包

R包

1.C++代码： 该示例是计算线性回归模型的OLS估计量的简单示例。这里是C++文件，其中一个函数（ FnLeReGRCPP < /代码>）将设计矩阵作为输入，生成OLS系数估计，模型残差作为RCPP <代码>列表 >如下：

// LinearRegression.cpp
// [[Rcpp::depends(RcppArmadillo)]]
#include <RcppArmadillo.h>
using namespace arma;  // use the Armadillo library for matrix computations
using namespace Rcpp;

// [[Rcpp::export]]
List fnLinRegRcpp(vec vY, mat mX) {

  // compute the OLS estimator & model residuals
  vec vBeta =  solve(mX.t()*mX, mX.t()*vY);  
  vec vResid = vY - mX * vBeta;

  // construct the return object
  List ret;
  ret["beta"] = vBeta;
  ret["resid"] = vResid;

  return ret;
}

// END

指示Armadillo库对库的依赖关系

2.R码

这是使用 SooCeCpp函数编译C++代码的例子，并结合使用函数的例子，并将输出与内置代码< LM.Fux函数进行比较。

# LinearRegression.R
library(devtools)
library(Rcpp)
library(RcppArmadillo)

Rcpp::sourceCpp("code/LinearRegression.cpp", 
                showOutput = TRUE, 
                rebuild = FALSE)

# generate some sample data
iK = 4
iN = 100
mX = cbind(1, matrix(rnorm(iK*iN), iN, iK))
vBeta0 = c(2, 3.5, 0.11, 6.33, 23)
vY = rnorm(iN, mean = mX %*% vBeta0)

# test the function
linReg1 = fnLinRegRcpp(vY, mX)
linReg1$beta  # coefficient estimates

# compare the results to the built-in lm.fit function
lm.fit(y = vY, x = mX)$coef  # coefficient estimates

# END

---

您的问题缺乏详细信息，但如果您在Windows计算机上使用RStudio，那么这里有一个完全可复制的示例，说明如何在不使用

内联
包的情况下使用
RcppArmadillo
，除了非常短的函数外，这不是理想的。

正如德克所指出的，这个建议在其他地方也可以找到——Rcpp*生态系统的文档记录非常丰富，但这可能对新手有所帮助

0预备工作：
您应该安装以下组件：


R包
R包
R包
1.C++代码：
该示例是计算线性回归模型的OLS估计量的简单示例。这里是C++文件，其中一个函数（ FnLeReGRCPP < /代码>）将设计矩阵作为输入，生成OLS系数估计，模型残差作为RCPP <代码>列表 >如下：
// LinearRegression.cpp
// [[Rcpp::depends(RcppArmadillo)]]
#include <RcppArmadillo.h>
using namespace arma;  // use the Armadillo library for matrix computations
using namespace Rcpp;

// [[Rcpp::export]]
List fnLinRegRcpp(vec vY, mat mX) {

  // compute the OLS estimator & model residuals
  vec vBeta =  solve(mX.t()*mX, mX.t()*vY);  
  vec vResid = vY - mX * vBeta;

  // construct the return object
  List ret;
  ret["beta"] = vBeta;
  ret["resid"] = vResid;

  return ret;
}

// END

指示Armadillo库对库的依赖关系

2.R码
这是使用 SooCeCpp函数编译C++代码的例子，并结合使用函数的例子，并将输出与内置代码< LM.Fux函数进行比较。
# LinearRegression.R
library(devtools)
library(Rcpp)
library(RcppArmadillo)

Rcpp::sourceCpp("code/LinearRegression.cpp", 
                showOutput = TRUE, 
                rebuild = FALSE)

# generate some sample data
iK = 4
iN = 100
mX = cbind(1, matrix(rnorm(iK*iN), iN, iK))
vBeta0 = c(2, 3.5, 0.11, 6.33, 23)
vY = rnorm(iN, mean = mX %*% vBeta0)

# test the function
linReg1 = fnLinRegRcpp(vY, mX)
linReg1$beta  # coefficient estimates

# compare the results to the built-in lm.fit function
lm.fit(y = vY, x = mX)$coef  # coefficient estimates

# END

您的问题缺乏详细信息，但如果您在Windows计算机上使用RStudio，那么这里有一个完全可复制的示例，说明如何在不使用
内联
包的情况下使用
RcppArmadillo
，除了非常短的函数外，这不是理想的。

正如德克所指出的，这个建议在其他地方也可以找到——Rcpp*生态系统的文档记录非常丰富，但这可能对新手有所帮助

0预备工作：
您应该安装以下组件：


R包
R包
R包
1.C++代码：
该示例是计算线性回归模型的OLS估计量的简单示例。这里是C++文件，其中一个函数（ FnLeReGRCPP < /代码>）将设计矩阵作为输入，生成OLS系数估计，模型残差作为RCPP <代码>列表 >如下：
// LinearRegression.cpp
// [[Rcpp::depends(RcppArmadillo)]]
#include <RcppArmadillo.h>
using namespace arma;  // use the Armadillo library for matrix computations
using namespace Rcpp;

// [[Rcpp::export]]
List fnLinRegRcpp(vec vY, mat mX) {

  // compute the OLS estimator & model residuals
  vec vBeta =  solve(mX.t()*mX, mX.t()*vY);  
  vec vResid = vY - mX * vBeta;

  // construct the return object
  List ret;
  ret["beta"] = vBeta;
  ret["resid"] = vResid;

  return ret;
}

// END

指示Armadillo库对库的依赖关系

2.R码
这是一个使用函数编译C++代码的例子，并结合使用函数的例子，比较了输出T