تقييم وتحسين أداء الكود في R

يمكن أن يؤدي تحسين كود R إلى تحسين أداء البرامج النصية والبرامج R بشكل كبير ، مما يجعلها تعمل بكفاءة أكبر. هذا مهم بشكل خاص لمجموعات البيانات الكبيرة والمعقدة ، وكذلك للتطبيقات التي تحتاج إلى التشغيل في الوقت الحقيقي أو على أساس منتظم.

في هذا البرنامج التعليمي ، سنقوم بتقييم وتحسين أداء كود R باستخدام حزم R مختلفة ، مثل tidyverse و data.table. على سبيل المثال ، سنرى المدة التي يستغرقها RStudio لقراءة ملف CSV كبير باستخدام وظيفة read.csv () والحزمة tidyverse وحزمة data.table.

جدول المحتويات

• تحسين الأداء في R
• مقارنة حزم R باستخدام Microbenchmark
• خاتمة

تحسين الأداء في R

افتح RStudio. في البرنامج النصي R ، قم بتعيين امتداد الملف إلى متغير.

تحتاج إلى استخدام الدالة system.file () لتحديد المدة التي يستغرقها أداء وظيفة أو عملية. نظرًا لأننا نريد تقييم المدة التي يستغرقها فتح ملف ، فاكتب read.csv (df) في الوسيطة.

عند تشغيل التعليمات البرمجية ، ستعرض لك وحدة التحكم الوقت المستغرق لفتح الملف. يُظهر العمود المنقضي المدة التي استغرقتها وحدة المعالجة المركزية لتنفيذ رمز R. أظهرت النتائج أن RStudio استغرق 31.93 ثانية وهو مقدار كبير من الوقت. وقت التحميل هذا غير عملي إذا كنت تعمل دائمًا مع مجموعات بيانات كبيرة.

تتمثل إحدى الطرق التي يمكنك من خلالها تحسين أداء رمز R الخاص بك في استخدام الحزمة tidyverse . يؤدي القيام بذلك إلى تقليل الوقت من 30 إلى 5 ثوانٍ.

لاحظ أنه من أجل قراءة الملف ، تحتاج إلى استخدام وظيفة read_csv () .

تعمل حزمة tidyverse على تحسين وقت التحميل في R من خلال استخدام حزمة readr ، والتي توفر مجموعة من الوظائف السريعة والفعالة لقراءة البيانات وكتابتها. توفر حزمة readr وظائف مثل read_csv () و read_table () التي يمكنها قراءة مجموعات البيانات الكبيرة بسرعة وكفاءة.

طريقة أخرى للتحسين في R تستخدم حزمة data.table . هذا مجاني للتنزيل في الإنترنت.

تعد حزمة data.table في R أداة قوية وفعالة للعمل مع مجموعات البيانات الكبيرة والمعقدة. يوفر نسخة محسّنة من كائن data.frame ، وهو هيكل بيانات أساسي في R. الميزة الرئيسية لـ data.table هي الأداء العالي واستخدام الذاكرة المنخفض عند العمل مع مجموعات البيانات الكبيرة.

لاحظ أنه عند استخدام هذه الحزمة ، تحتاج إلى كتابة دالة fread () بدلاً من read.csv (). عند تشغيل هذا مع التعليمات البرمجية الخاصة بك ، يمكنك أن ترى أنه تم تقليل وقت التحميل إلى 2.25 ثانية.

مقارنة حزم R باستخدام Microbenchmark

لمقارنة الأداء بين كل طريقة ، يمكنك استخدام وظيفة microbenchmark () .

وظيفة microbenchmark () في R هي أداة لقياس أداء كود R. يوفر واجهة بسيطة وسهلة الاستخدام لقياس وقت تنفيذ تعبيرات R.

الشيء الرائع في هذه الوظيفة هو أنك قادر على تعيين عدد المرات التي تتكرر فيها العملية. هذا يعطي نتائج أكثر دقة. يمكنك أيضًا تحديد ما إذا كانت النتائج متسقة.

إذا كنت تواجه مشكلة في قراءة ملف CSV في LuckyTemplates ، فيمكن لـ RStudio القيام بذلك نيابة عنك. هناك خيارات أخرى في R يمكنك استخدامها لتحسين أداء التعليمات البرمجية الخاصة بك. لكن data.table موصى به بشدة بسبب بساطته.

خاتمة

يعد تحسين كود R خطوة مهمة في ضمان تشغيل نصوص R بكفاءة. هناك العديد من التقنيات والأدوات التي يمكن استخدامها لتحسين كود R ، مثل استخدام الحزمة tidyverse لمعالجة البيانات ، واستخدام حزمة data.table لمجموعات البيانات الكبيرة ، واستخدام حزمة microbenchmark لقياس أداء كود R.

من المهم أيضًا أن تضع في اعتبارك ممارسات الترميز الجيدة مثل استخدام العمليات الموجهة بدلاً من الحلقات ، والاستفادة من الوظائف المضمنة بدلاً من كتابة ما يخصك ، وأن تضع في اعتبارك استخدام الذاكرة في التعليمات البرمجية الخاصة بك.

أتمنى لك كل خير،

جورج ماونت