Valutazione e ottimizzazione delle prestazioni del codice in R

L'ottimizzazione del codice R può migliorare significativamente le prestazioni degli script e dei programmi R, rendendoli più efficienti. Ciò è particolarmente importante per set di dati grandi e complessi, nonché per applicazioni che devono essere eseguite in tempo reale o su base regolare.

In questo tutorial , valuteremo e ottimizzeremo le prestazioni di un codice R utilizzando diversi pacchetti R , come tidyverse e data.table. Ad esempio, vedremo quanto tempo impiega RStudio per leggere un file CSV di grandi dimensioni utilizzando la funzione read.csv ( ) , il pacchetto tidyverse e il pacchetto data.table.

Sommario

• Ottimizzazione delle prestazioni in R
• Confronto dei pacchetti R utilizzando Microbenchmark
• Conclusione

Ottimizzazione delle prestazioni in R

Apri RStudio. Nello script R, assegna l'estensione del file a una variabile.

È necessario utilizzare la funzione system.file ( ) per determinare il tempo necessario per eseguire una funzione o un'operazione. Poiché vogliamo valutare quanto tempo ci vuole per aprire un file, scrivi read.csv (df) nell'argomento.

Quando esegui il codice, la console ti mostrerà il tempo impiegato per aprire il file. La colonna trascorso mostra il tempo impiegato dalla CPU per eseguire il codice R. I risultati mostrano che RStudio ha impiegato 31,93 secondi, una quantità di tempo significativa. Questo tempo di caricamento non è pratico se lavori sempre con set di dati di grandi dimensioni.

Uno dei modi in cui puoi ottimizzare le prestazioni del tuo codice R è utilizzare il pacchetto tidyverse . In questo modo si riduce il tempo da 30 a 5 secondi.

Si noti che per leggere il file è necessario utilizzare la funzione read_csv() .

Il pacchetto tidyverse migliora il tempo di caricamento in R attraverso l'uso del pacchetto readr , che fornisce una serie di funzioni veloci ed efficienti per la lettura e la scrittura dei dati. Il pacchetto readr fornisce funzioni come read_csv ( ) e read_table ( ) che possono leggere set di dati di grandi dimensioni in modo rapido ed efficiente.

Un altro metodo di ottimizzazione in R utilizza il pacchetto data.table . Questo è scaricabile gratuitamente da Internet.

Il pacchetto data.table in R è uno strumento potente ed efficiente per lavorare con set di dati grandi e complessi. Fornisce una versione migliorata dell'oggetto data.frame, che è una struttura di dati di base in R. Il vantaggio principale di data.table sono le prestazioni elevate e il basso utilizzo della memoria quando si lavora con set di dati di grandi dimensioni.

Nota che quando usi questo pacchetto, devi scrivere la funzione fread ( ) invece di read.csv ( ). Quando lo esegui insieme al tuo codice, puoi vedere che il tempo di caricamento è ridotto a 2,25 secondi.

Confronto dei pacchetti R utilizzando Microbenchmark

Per confrontare le prestazioni tra ciascun metodo, è possibile utilizzare la funzione microbenchmark ( ) .

La funzione microbenchmark ( ) in R è uno strumento per misurare le prestazioni del codice R. Fornisce un'interfaccia semplice e facile da usare per il benchmarking del tempo di esecuzione delle espressioni R.

Una cosa grandiosa di questa funzione è che puoi impostare quante volte il processo viene ripetuto. Questo dà risultati più precisi. Sei anche in grado di identificare se i risultati sono coerenti.

Se hai problemi a leggere un file CSV in LuckyTemplates, RStudio può farlo per te. Ci sono altre opzioni in R che puoi usare per ottimizzare le prestazioni del tuo codice. Ma data.table è altamente raccomandato per la sua semplicità.

Conclusione

L'ottimizzazione del codice R è un passaggio importante per garantire che gli script R vengano eseguiti in modo efficiente. Esistono diverse tecniche e strumenti che possono essere usati per ottimizzare il codice R, ad esempio l'uso del pacchetto tidyverse per la manipolazione dei dati, l'uso del pacchetto data.table per set di dati di grandi dimensioni e l'uso del pacchetto microbenchmark per misurare le prestazioni del codice R.

È anche importante tenere a mente buone pratiche di codifica come l'utilizzo di operazioni vettorializzate invece di loop, l'uso di funzioni integrate invece di scriverne di proprie e l'attenzione all'utilizzo della memoria del codice.

Ti auguro il meglio,

Giorgio Monte