Evaluering og optimering af kodeydeevne i R

Optimering af R-kode kan forbedre ydeevnen af ​​R-scripts og programmer betydeligt, hvilket får dem til at køre mere effektivt. Dette er især vigtigt for store og komplekse datasæt, såvel som for applikationer, der skal køres i realtid eller regelmæssigt.

I denne øvelse vil vi evaluere og optimere en R-kodes ydeevne ved hjælp af forskellige , såsom tidyverse og data.table. Som et eksempel vil vi se, hvor lang tid det tager for RStudio at læse en stor CSV-fil ved hjælp af funktionen read.csv ( ) , tidyverse-pakken og data.table-pakken.

Indholdsfortegnelse

• Optimering af ydeevne i R
• Sammenligning af R-pakker ved hjælp af Microbenchmark
• Konklusion

Optimering af ydeevne i R

Åbn RStudio. Tildel filtypenavnet til en variabel i R-scriptet.

Du skal bruge funktionen system.file ( ) til at bestemme, hvor lang tid det tager at udføre en funktion eller handling. Da vi ønsker at evaluere, hvor lang tid det tager at åbne en fil, skriv read.csv (df) i argumentet.

Når du kører koden, vil konsollen vise dig den tid, det tog at åbne filen. Den forløbne kolonne viser, hvor lang tid det tog for CPU'en at udføre R-koden. Resultaterne viser, at det tog RStudio 31,93 sekunder, hvilket er en betydelig mængde tid. Denne indlæsningstid er upraktisk, hvis du altid arbejder med store datasæt.

En af måderne, hvorpå du kan optimere ydeevnen af ​​din R-kode, er ved at bruge tidyverse -pakken. Hvis du gør det, reduceres tiden fra 30 til 5 sekunder.

Bemærk, at for at læse filen skal du bruge funktionen read_csv ( ) .

Tidyverse-pakken forbedrer indlæsningstiden i R gennem brugen af ​​readr -pakken, som giver et sæt hurtige og effektive funktioner til at læse og skrive data. Readr-pakken indeholder funktioner som read_csv ( ) og read_table ( ) , der kan læse store datasæt hurtigt og effektivt.

En anden optimeringsmetode i R er at bruge data.table- pakken. Dette er gratis at downloade på internettet.

Data.table-pakken i R er et kraftfuldt og effektivt værktøj til at arbejde med store og komplekse datasæt. Det giver en forbedret version af data.frame-objektet, som er en kernedatastruktur i R. Den største fordel ved data.table er dens høje ydeevne og lave hukommelsesforbrug, når du arbejder med store datasæt.

Bemærk, at når du bruger denne pakke, skal du skrive funktionen fread ( ) i stedet for read.csv ( ). Når du kører dette sammen med din kode, kan du se, at indlæsningstiden er reduceret til 2,25 sekunder.

Sammenligning af R-pakker ved hjælp af Microbenchmark

For at sammenligne ydeevnen mellem hver metode kan du bruge funktionen mikrobenchmark ( ) .

Mikrobenchmark-funktionen ( ) i R er et værktøj til at måle ydeevnen af ​​R-kode. Det giver en enkel og brugervenlig grænseflade til benchmarking af udførelsestiden for R-udtryk.

En stor ting ved denne funktion er, at du kan indstille, hvor mange gange processen skal gentages. Dette giver mere præcise resultater. Du er også i stand til at identificere, om resultaterne er konsistente.

Hvis du har problemer med at læse en CSV-fil i LuckyTemplates, kan RStudio gøre det for dig. Der er andre muligheder i R, som du kan bruge til at optimere din kodes ydeevne. Men data.table kan varmt anbefales på grund af dets enkelhed.

Konklusion

Optimering af R-kode er et vigtigt skridt for at sikre, at dine R-scripts kører effektivt. Der er flere teknikker og værktøjer, der kan bruges til at optimere R-kode, såsom at bruge tidyverse-pakken til datamanipulation, bruge data.table-pakken til store datasæt og bruge mikrobenchmark-pakken til at måle ydeevnen af ​​R-kode.

Det er også vigtigt at huske på god kodningspraksis, såsom at bruge vektoriserede operationer i stedet for loops, bruge indbyggede funktioner i stedet for at skrive dine egne og være opmærksom på hukommelsesbrugen af ​​din kode.

Alt det bedste,

George Mount