Evaluering og optimalisering av kodeytelse i R

Optimalisering av R-kode kan forbedre ytelsen til R-skript og programmer betydelig, slik at de kjøres mer effektivt. Dette er spesielt viktig for store og komplekse datasett, så vel som for applikasjoner som må kjøres i sanntid eller regelmessig.

I denne opplæringen vil vi evaluere og optimalisere ytelsen til en R-kode ved å bruke forskjellige , for eksempel tidyverse og data.table. Som et eksempel skal vi se hvor lang tid det tar for RStudio å lese en stor CSV-fil ved å bruke read.csv ( ) -funksjonen, tidyverse-pakken og data.table-pakken.

Innholdsfortegnelse

• Optimalisering av ytelsen i R
• Sammenligning av R-pakker ved hjelp av Microbenchmark
• Konklusjon

Optimalisering av ytelsen i R

Åpne RStudio. Tilordne filtypen til en variabel i R-skriptet.

Du må bruke funksjonen system.file ( ) for å finne ut hvor lang tid det tar å utføre en funksjon eller operasjon. Siden vi ønsker å evaluere hvor lang tid det tar å åpne en fil, skriv read.csv (df) i argumentet.

Når du kjører koden, vil konsollen vise deg tiden det tok å åpne filen. Den forløpte kolonnen viser hvor lang tid det tok for CPUen å utføre R-koden. Resultatene viser at det tok RStudio 31,93 sekunder som er en betydelig mengde tid. Denne innlastingstiden er upraktisk hvis du alltid jobber med store datasett.

En av måtene du kan optimere ytelsen til R-koden på er å bruke tidyverse -pakken. Dette reduserer tiden fra 30 til 5 sekunder.

Vær oppmerksom på at for å lese filen, må du bruke funksjonen read_csv ( ) .

Tidyverse-pakken forbedrer lastetiden i R gjennom bruk av readr -pakken, som gir et sett med raske og effektive funksjoner for lesing og skriving av data. Readr-pakken gir funksjoner som read_csv ( ) og read_table ( ) som kan lese store datasett raskt og effektivt.

En annen optimaliseringsmetode i R er å bruke data.table -pakken. Dette er gratis å laste ned på internett.

Data.table-pakken i R er et kraftig og effektivt verktøy for å jobbe med store og komplekse datasett. Det gir en forbedret versjon av data.frame-objektet, som er en kjernedatastruktur i R. Hovedfordelen med data.table er dens høye ytelse og lave minnebruk når du arbeider med store datasett.

Merk at når du bruker denne pakken, må du skrive fread ( ) -funksjonen i stedet for read.csv ( ). Når du kjører dette sammen med koden din, kan du se at lastetiden er redusert til 2,25 sekunder.

Sammenligning av R-pakker ved hjelp av Microbenchmark

For å sammenligne ytelsen mellom hver metode kan du bruke funksjonen mikrobenchmark ( ) .

Mikrobenchmark-funksjonen ( ) i R er et verktøy for å måle ytelsen til R-kode. Det gir et enkelt og brukervennlig grensesnitt for benchmarking av utførelsestiden til R-uttrykk.

En flott ting med denne funksjonen er at du kan angi hvor mange ganger prosessen skal gjentas. Dette gir mer presise resultater. Du kan også identifisere om resultatene er konsistente.

Hvis du har problemer med å lese en CSV-fil i LuckyTemplates, kan RStudio gjøre det for deg. Det er andre alternativer i R som du kan bruke for å optimalisere kodens ytelse. Men data.table anbefales sterkt på grunn av sin enkelhet.

Konklusjon

Optimalisering av R-kode er et viktig skritt for å sikre at R-skriptene kjører effektivt. Det er flere teknikker og verktøy som kan brukes for å optimalisere R-kode, for eksempel å bruke tidyverse-pakken for datamanipulering, bruke data.table-pakken for store datasett og bruke mikrobenchmark-pakken for å måle ytelsen til R-koden.

Det er også viktig å huske på god kodingspraksis som å bruke vektoriserte operasjoner i stedet for løkker, bruke innebygde funksjoner i stedet for å skrive din egen, og være oppmerksom på minnebruken til koden din.

Beste ønsker,

George Mount