Avaliando e otimizando o desempenho do código em R

A otimização do código R pode melhorar significativamente o desempenho de scripts e programas R, tornando-os executados com mais eficiência. Isso é especialmente importante para conjuntos de dados grandes e complexos, bem como para aplicativos que precisam ser executados em tempo real ou regularmente.

Neste tutorial , avaliaremos e otimizaremos o desempenho de um código R usando diferentes pacotes do R , como o aimverse e o data.table. Como exemplo, veremos quanto tempo leva para o RStudio ler um arquivo CSV grande usando a função read.csv ( ) , o pacote alignverse e o pacote data.table.

Índice

• Otimizando o desempenho em R
• Comparando pacotes R usando o Microbenchmark
• Conclusão

Otimizando o desempenho em R

Abra o RStudio. No script R, atribua a extensão do arquivo a uma variável.

Você precisa usar a função system.file ( ) para determinar quanto tempo leva para executar uma função ou operação. Como queremos avaliar quanto tempo leva para abrir um arquivo, escreva read.csv (df) no argumento.

Ao executar o código, o Console mostrará o tempo que levou para abrir o arquivo. A coluna decorrido mostra quanto tempo levou para a CPU executar o código R. Os resultados mostram que o RStudio levou 31,93 segundos, o que é um tempo significativo. Esse tempo de carregamento é impraticável se você estiver sempre trabalhando com grandes conjuntos de dados.

Uma das maneiras de otimizar o desempenho do seu código R é usando o pacote alignverse . Isso reduz o tempo de 30 para 5 segundos.

Observe que para ler o arquivo, você precisa usar a função read_csv ( ) .

O pacote aimverse melhora o tempo de carregamento em R por meio do uso do pacote readr , que fornece um conjunto de funções rápidas e eficientes para leitura e gravação de dados. O pacote readr fornece funções como read_csv ( ) e read_table ( ) que podem ler grandes conjuntos de dados de forma rápida e eficiente.

Outro método de otimização em R é usar o pacote data.table . Este é gratuito para download na internet.

O pacote data.table em R é uma ferramenta poderosa e eficiente para trabalhar com conjuntos de dados grandes e complexos. Ele fornece uma versão aprimorada do objeto data.frame, que é uma estrutura de dados central em R. A principal vantagem de data.table é seu alto desempenho e baixo uso de memória ao trabalhar com grandes conjuntos de dados.

Observe que ao usar este pacote, você precisa escrever a função fread ( ) em vez de read.csv ( ). Quando você executa isso junto com seu código, pode ver que o tempo de carregamento é reduzido para 2,25 segundos.

Comparando pacotes R usando o Microbenchmark

Para comparar o desempenho entre cada método, você pode usar a função microbenchmark ( ) .

A função microbenchmark ( ) em R é uma ferramenta para medir o desempenho do código R. Ele fornece uma interface simples e fácil de usar para comparar o tempo de execução de expressões R.

Uma grande coisa sobre esta função é que você pode definir quantas vezes o processo é repetido. Isso dá resultados mais precisos. Você também é capaz de identificar se os resultados são consistentes.

Se estiver com problemas para ler um arquivo CSV no LuckyTemplates, o RStudio pode fazer isso por você. Existem outras opções em R que você pode usar para otimizar o desempenho do seu código. Mas data.table é altamente recomendado por causa de sua simplicidade.

Conclusão

A otimização do código R é uma etapa importante para garantir que seus scripts R sejam executados com eficiência. Existem várias técnicas e ferramentas que podem ser usadas para otimizar o código R, como usar o pacote alignverse para manipulação de dados, usar o pacote data.table para grandes conjuntos de dados e usar o pacote microbenchmark para medir o desempenho do código R.

Também é importante ter em mente boas práticas de codificação, como usar operações vetorizadas em vez de loops, fazer uso de funções internas em vez de escrever suas próprias e estar atento ao uso de memória de seu código.

Tudo de bom,

Jorge Monte