Évaluation et optimisation des performances du code dans R

L'optimisation du code R peut améliorer considérablement les performances des scripts et des programmes R, en les rendant plus efficaces. Ceci est particulièrement important pour les ensembles de données volumineux et complexes, ainsi que pour les applications qui doivent être exécutées en temps réel ou de manière régulière.

Dans ce didacticiel , nous évaluerons et optimiserons les performances d'un code R à l'aide de différents packages R , tels que tidyverse et data.table. À titre d'exemple, nous verrons combien de temps il faut à RStudio pour lire un fichier CSV volumineux à l'aide de la fonction read.csv() , du package tidyverse et du package data.table.

Table des matières

• Optimisation des performances dans R
• Comparaison des packages R à l'aide de Microbenchmark
• Conclusion

Optimisation des performances dans R

Ouvrez RStudio. Dans le script R, affectez l'extension de fichier à une variable.

Vous devez utiliser la fonction system.file() pour déterminer combien de temps il faut pour exécuter une fonction ou une opération. Puisque nous voulons évaluer le temps qu'il faut pour ouvrir un fichier, écrivez read.csv (df) dans l'argument.

Lorsque vous exécutez le code, la console vous indiquera le temps qu'il a fallu pour ouvrir le fichier. La colonne écoulée indique le temps qu'il a fallu au processeur pour exécuter le code R. Les résultats montrent qu'il a fallu 31,93 secondes à RStudio, ce qui est un temps considérable. Ce temps de chargement n'est pas pratique si vous travaillez toujours avec de grands ensembles de données.

L'un des moyens d'optimiser les performances de votre code R consiste à utiliser le package tidyverse . Cela réduit le temps de 30 à 5 secondes.

Notez que pour lire le fichier, vous devez utiliser la fonction read_csv() .

Le package tidyverse améliore le temps de chargement dans R grâce à l'utilisation du package readr , qui fournit un ensemble de fonctions rapides et efficaces pour lire et écrire des données. Le package readr fournit des fonctions telles que read_csv () et read_table () qui peuvent lire rapidement et efficacement de grands ensembles de données.

Une autre méthode d'optimisation dans R consiste à utiliser le package data.table . Ceci est téléchargeable gratuitement sur Internet.

Le package data.table dans R est un outil puissant et efficace pour travailler avec des ensembles de données volumineux et complexes. Il fournit une version améliorée de l'objet data.frame, qui est une structure de données de base dans R. Le principal avantage de data.table est sa haute performance et sa faible utilisation de la mémoire lorsque vous travaillez avec de grands ensembles de données.

Notez que lorsque vous utilisez ce package, vous devez écrire la fonction fread() au lieu de read.csv(). Lorsque vous exécutez ceci avec votre code, vous pouvez voir que le temps de chargement est réduit à 2,25 secondes.

Comparaison des packages R à l'aide de Microbenchmark

Pour comparer les performances entre chaque méthode, vous pouvez utiliser la fonction microbenchmark ( ) .

La fonction microbenchmark ( ) dans R est un outil de mesure des performances du code R. Il fournit une interface simple et facile à utiliser pour comparer le temps d'exécution des expressions R.

Une grande chose à propos de cette fonction est que vous pouvez définir combien de fois le processus est répété. Cela donne des résultats plus précis. Vous êtes également en mesure d'identifier si les résultats sont cohérents.

Si vous rencontrez des difficultés pour lire un fichier CSV dans LuckyTemplates, RStudio peut le faire pour vous. Il existe d'autres options dans R que vous pouvez utiliser pour optimiser les performances de votre code. Mais data.table est fortement recommandé en raison de sa simplicité.

Conclusion

L'optimisation du code R est une étape importante pour garantir l'exécution efficace de vos scripts R. Plusieurs techniques et outils peuvent être utilisés pour optimiser le code R, tels que l'utilisation du package tidyverse pour la manipulation des données, l'utilisation du package data.table pour les grands ensembles de données et l'utilisation du package microbenchmark pour mesurer les performances du code R.

Il est également important de garder à l'esprit les bonnes pratiques de codage telles que l'utilisation d'opérations vectorisées au lieu de boucles, l'utilisation de fonctions intégrées au lieu d'écrire les vôtres et la prise en compte de l'utilisation de la mémoire de votre code.

Tous mes vœux,

George Mount