Evaluarea și optimizarea performanței codului în R

Optimizarea codului R poate îmbunătăți semnificativ performanța scripturilor și programelor R, făcându-le să ruleze mai eficient. Acest lucru este deosebit de important pentru seturi de date mari și complexe, precum și pentru aplicațiile care trebuie să fie rulate în timp real sau în mod regulat.

În acest tutorial , vom evalua și optimiza performanța unui cod R folosind diferite pachete R , cum ar fi tidyverse și data.table. De exemplu, vom vedea cât timp durează RStudio să citească un fișier CSV mare folosind funcția read.csv ( ) , pachetul tidyverse și pachetul data.table.

Cuprins

• Optimizarea performanței în R
• Compararea pachetelor R folosind Microbenchmark
• Concluzie

Optimizarea performanței în R

Deschide RStudio. În scriptul R, atribuiți extensia fișierului unei variabile.

Trebuie să utilizați funcția system.file ( ) pentru a determina cât timp durează executarea unei funcții sau operații. Deoarece vrem să evaluăm cât timp durează deschiderea unui fișier, scrieți read.csv (df) în argument.

Când rulați codul, Consola vă va arăta timpul necesar pentru a deschide fișierul. Coloana scursă arată cât timp a durat CPU-ului să execute codul R. Rezultatele arată că a durat RStudio 31,93 secunde, ceea ce este o perioadă semnificativă de timp. Acest timp de încărcare nu este practic dacă lucrați întotdeauna cu seturi de date mari.

Una dintre modalitățile prin care puteți optimiza performanța codului dvs. R este prin utilizarea pachetului tidyverse . Procedând astfel, timpul reduce de la 30 la 5 secunde.

Rețineți că pentru a citi fișierul, trebuie să utilizați funcția read_csv ( ) .

Pachetul tidyverse îmbunătățește timpul de încărcare în R prin utilizarea pachetului readr , care oferă un set de funcții rapide și eficiente pentru citirea și scrierea datelor. Pachetul readr oferă funcții precum read_csv ( ) și read_table ( ) care pot citi seturi mari de date rapid și eficient.

O altă metodă de optimizare în R este utilizarea pachetului data.table . Acesta poate fi descărcat gratuit de pe internet.

Pachetul data.table din R este un instrument puternic și eficient pentru lucrul cu seturi de date mari și complexe. Acesta oferă o versiune îmbunătățită a obiectului data.frame, care este o structură de bază de date în R. Principalul avantaj al data.table este performanța ridicată și utilizarea redusă a memoriei atunci când lucrați cu seturi de date mari.

Rețineți că atunci când utilizați acest pachet, trebuie să scrieți funcția fread ( ) în loc de read.csv ( ). Când rulați acest lucru împreună cu codul dvs., puteți vedea că timpul de încărcare este redus la 2,25 secunde.

Compararea pachetelor R folosind Microbenchmark

Pentru a compara performanța dintre fiecare metodă, puteți utiliza funcția microbenchmark ( ) .

Funcția microbenchmark ( ) din R este un instrument pentru măsurarea performanței codului R. Oferă o interfață simplă și ușor de utilizat pentru evaluarea timpului de execuție al expresiilor R.

Un lucru grozav la această funcție este că puteți seta de câte ori se repetă procesul. Acest lucru oferă rezultate mai precise. De asemenea, puteți identifica dacă rezultatele sunt consecvente.

Dacă întâmpinați probleme la citirea unui fișier CSV în LuckyTemplates, RStudio o poate face pentru dvs. Există și alte opțiuni în R pe care le puteți folosi pentru a optimiza performanța codului. Dar data.table este foarte recomandat din cauza simplității sale.

Concluzie

Optimizarea codului R este un pas important pentru a vă asigura că scripturile dvs. R rulează eficient. Există mai multe tehnici și instrumente care pot fi utilizate pentru a optimiza codul R, cum ar fi utilizarea pachetului tidyverse pentru manipularea datelor, utilizarea pachetului data.table pentru seturi mari de date și utilizarea pachetului microbenchmark pentru măsurarea performanței codului R.

De asemenea, este important să țineți cont de bunele practici de codare, cum ar fi utilizarea operațiunilor vectorizate în loc de bucle, utilizarea funcțiilor încorporate în loc să le scrieți pe ale dvs. și să fiți atenți la utilizarea memoriei codului dvs.

Toate cele bune,

George Mount