Menilai & Mengoptimumkan Prestasi Kod Dalam R

Mengoptimumkan kod R boleh meningkatkan prestasi skrip dan program R dengan ketara, menjadikannya berjalan dengan lebih cekap. Ini amat penting untuk set data yang besar dan kompleks, serta untuk aplikasi yang perlu dijalankan dalam masa nyata atau secara tetap.

ini , kami akan menilai dan mengoptimumkan prestasi kod R menggunakan pakej R yang berbeza , seperti tidyverse dan data.table. Sebagai contoh, kita akan melihat tempoh masa yang diambil untuk RStudio membaca fail CSV yang besar menggunakan fungsi read.csv ( ) , pakej tidyverse dan pakej data.table.

Isi kandungan

• Mengoptimumkan Prestasi Dalam R
• Membandingkan Pakej R Menggunakan Penanda Aras Mikro
• Kesimpulan

Mengoptimumkan Prestasi Dalam R

Buka RStudio. Dalam skrip R, tetapkan sambungan fail kepada pembolehubah.

Anda perlu menggunakan fungsi system.file ( ) untuk menentukan tempoh masa yang diperlukan untuk melaksanakan fungsi atau operasi. Memandangkan kami ingin menilai tempoh masa yang diperlukan untuk membuka fail, tulis read.csv (df) dalam hujah.

Apabila anda menjalankan kod, Konsol akan menunjukkan kepada anda masa yang diambil untuk membuka fail. Lajur berlalu menunjukkan tempoh masa yang diambil untuk CPU melaksanakan kod R. Keputusan menunjukkan bahawa RStudio mengambil masa 31.93 saat yang merupakan jumlah masa yang besar. Masa pemuatan ini tidak praktikal jika anda sentiasa menggunakan set data yang besar.

Salah satu cara anda boleh mengoptimumkan prestasi kod R anda adalah dengan menggunakan pakej tidyverse . Melakukannya mengurangkan masa daripada 30 kepada 5 saat.

Ambil perhatian bahawa untuk membaca fail, anda perlu menggunakan fungsi read_csv ( ) .

Pakej tidyverse meningkatkan masa pemuatan dalam R melalui penggunaan pakej pembaca , yang menyediakan satu set fungsi pantas dan cekap untuk membaca dan menulis data. Pakej readr menyediakan fungsi seperti read_csv ( ) dan read_table ( ) yang boleh membaca set data yang besar dengan cepat dan cekap.

Kaedah pengoptimuman lain dalam R ialah menggunakan pakej data.table . Ini percuma untuk dimuat turun di internet.

Pakej data.table dalam R ialah alat yang berkuasa dan cekap untuk bekerja dengan set data yang besar dan kompleks. Ia menyediakan versi dipertingkatkan objek data.frame, yang merupakan struktur data teras dalam R. Kelebihan utama data.table ialah prestasi tinggi dan penggunaan memori yang rendah apabila bekerja dengan set data yang besar.

Ambil perhatian bahawa apabila menggunakan pakej ini, anda perlu menulis fungsi fread ( ) dan bukannya read.csv ( ). Apabila anda menjalankan ini bersama-sama dengan kod anda, anda dapat melihat bahawa masa pemuatan dikurangkan kepada 2.25 saat.

Membandingkan Pakej R Menggunakan Penanda Aras Mikro

Untuk membandingkan prestasi antara setiap kaedah, anda boleh menggunakan fungsi penanda aras mikro ( ) .

Fungsi penanda aras mikro ( ) dalam R ialah alat untuk mengukur prestasi kod R. Ia menyediakan antara muka yang ringkas dan mudah digunakan untuk menanda aras masa pelaksanaan ungkapan R.

Perkara yang menarik tentang fungsi ini ialah anda boleh menetapkan berapa kali proses itu diulang. Ini memberikan hasil yang lebih tepat. Anda juga boleh mengenal pasti sama ada keputusan adalah konsisten.

Jika anda menghadapi masalah membaca fail CSV dalam LuckyTemplates, RStudio boleh melakukannya untuk anda. Terdapat pilihan lain dalam R yang boleh anda gunakan untuk mengoptimumkan prestasi kod anda. Tetapi data.table sangat disyorkan kerana kesederhanaannya.

Kesimpulan

Mengoptimumkan kod R ialah langkah penting dalam memastikan skrip R anda berjalan dengan cekap. Terdapat beberapa teknik dan alatan yang boleh digunakan untuk mengoptimumkan kod R, seperti menggunakan pakej tidyverse untuk manipulasi data, menggunakan pakej data.table untuk set data yang besar dan menggunakan pakej penanda aras mikro untuk mengukur prestasi kod R.

Ia juga penting untuk mengingati amalan pengekodan yang baik seperti menggunakan operasi bervektor dan bukannya gelung, menggunakan fungsi terbina dalam dan bukannya menulis sendiri dan mengambil kira penggunaan memori kod anda.

Semua yang terbaik,

George Mount