Evalueren en optimaliseren van codeprestaties in R

Het optimaliseren van R-code kan de prestaties van R-scripts en -programma's aanzienlijk verbeteren, waardoor ze efficiënter worden uitgevoerd. Dit is vooral belangrijk voor grote en complexe datasets, maar ook voor applicaties die in realtime of regelmatig moeten worden uitgevoerd.

In deze zelfstudie evalueren en optimaliseren we de prestaties van een R-code met behulp van verschillende R-pakketten , zoals Titverse en Data.table. Als voorbeeld zullen we zien hoe lang het duurt voordat RStudio een groot CSV-bestand leest met behulp van de read.csv ( ) -functie, het geordende pakket en het pakket data.table.

Inhoudsopgave

• Prestaties optimaliseren in R
• R-pakketten vergelijken met behulp van Microbenchmark
• Conclusie

Prestaties optimaliseren in R

RStudio openen. Wijs in het R-script de bestandsextensie toe aan een variabele.

U moet de functie system.file ( ) gebruiken om te bepalen hoe lang het duurt om een ​​functie of bewerking uit te voeren. Aangezien we willen evalueren hoe lang het duurt om een ​​bestand te openen, schrijft u read.csv (df) in het argument.

Wanneer u de code uitvoert, laat de console zien hoe lang het duurde om het bestand te openen. De verstreken kolom laat zien hoe lang het duurde voordat de CPU de R-code uitvoerde. De resultaten laten zien dat het RStudio 31,93 seconden kostte, wat een aanzienlijke hoeveelheid tijd is. Deze laadtijd is onpraktisch als je altijd met grote datasets werkt.

Een van de manieren waarop u de prestaties van uw R-code kunt optimaliseren, is door gebruik te maken van het geordende pakket. Hierdoor wordt de tijd verkort van 30 naar 5 seconden.

Houd er rekening mee dat om het bestand te lezen, u de functie read_csv ( ) moet gebruiken .

Het Tidyverse-pakket verbetert de laadtijd in R door het gebruik van het readr- pakket, dat een reeks snelle en efficiënte functies biedt voor het lezen en schrijven van gegevens. Het readr-pakket biedt functies zoals read_csv ( ) en read_table ( ) die grote datasets snel en efficiënt kunnen lezen.

Een andere optimalisatiemethode in R is het gebruik van het pakket data.table . Deze is gratis te downloaden op internet.

Het pakket data.table in R is een krachtige en efficiënte tool voor het werken met grote en complexe datasets. Het biedt een verbeterde versie van het data.frame-object, een kerngegevensstructuur in R. Het belangrijkste voordeel van data.table zijn de hoge prestaties en het lage geheugengebruik bij het werken met grote datasets.

Merk op dat wanneer u dit pakket gebruikt, u de functie fread ( ) moet schrijven in plaats van read.csv ( ). Wanneer u dit samen met uw code uitvoert, kunt u zien dat de laadtijd wordt teruggebracht tot 2,25 seconden.

R-pakketten vergelijken met behulp van Microbenchmark

Om de prestaties tussen elke methode te vergelijken, kunt u de functie microbenchmark ( ) gebruiken .

De functie microbenchmark ( ) in R is een hulpmiddel voor het meten van de prestaties van R-code. Het biedt een eenvoudige en gebruiksvriendelijke interface voor het benchmarken van de uitvoeringstijd van R-expressies.

Het mooie van deze functie is dat je kunt instellen hoe vaak het proces wordt herhaald. Dit geeft nauwkeurigere resultaten. U kunt ook vaststellen of de resultaten consistent zijn.

Als u problemen ondervindt bij het lezen van een CSV-bestand in LuckyTemplates, kan RStudio dit voor u doen. Er zijn andere opties in R die u kunt gebruiken om de prestaties van uw code te optimaliseren. Maar data.table wordt sterk aanbevolen vanwege zijn eenvoud.

Conclusie

Het optimaliseren van R-code is een belangrijke stap om ervoor te zorgen dat uw R-scripts efficiënt werken. Er zijn verschillende technieken en hulpmiddelen die kunnen worden gebruikt om R-code te optimaliseren, zoals het gebruik van het pakket 'tidyverse' voor gegevensmanipulatie, het gebruik van het pakket data.table voor grote gegevenssets en het gebruik van het pakket microbenchmark voor het meten van de prestaties van R-code.

Het is ook belangrijk om goede codeerpraktijken in gedachten te houden, zoals het gebruik van gevectoriseerde bewerkingen in plaats van lussen, het gebruik van ingebouwde functies in plaats van uw eigen functies te schrijven en rekening te houden met het geheugengebruik van uw code.

Al het beste,

Georg Berg