C++能解决的瓶颈问题有:
- 由于迭代依赖于之前结果，循环难以简便的向量化运算
- 递归函数，或者是需要对同一个函数运算成千上万次
- R语言缺少一些高级数据结构和算法
我们只需要在代码中写一部分C++代码来就可以处理上面这些问题。后续操作在Windows下进行，你需要安装Rtools，用install.packages("Rcpp")安装新版的Rcpp，最重要一点，你需要保证你R语言时不能是C:/Program Files/R/R-3.5.1/这种形式，否则会报错。
后续操作会用到microbenchmark包来评估R代码和RCPP的效率差异，用install.packages('microbenchmark)安装
RCPP入门
先从一个简单的add函数开始，学习如何用cppFunction在R里面写C++代码
library(Rcpp)
cppFunction('int add(int x, int y, int z) {
int sum = x + y + z;
return sum;
}')
add
# function (x, y)
# .Call(<pointer: 0x0000000063c015a0>, x, y)
Rcpp将会编译C++代码， 然后构建能够连接到C++函数的R函数。后续将会介绍如何将一些R代码改写成C++代码。
- 标量输入，标量输出
- 向量输入，标量输出
- 向量输入，向量输出
- 矩阵输入，向量输出
没有输入，标量输出
最简单的函数就是不提供任何输出，返回一个输出，比如说
one <- function() 1L
等价的C++代码是
int one(){
return 1;
}
那么将这段C++代码在R用cppFunction中改写就是如下
cppFunction('int one(){
return 1;
}')
上面这段函数就展示了R和C++之间一些重要区别:
C++写代码不是函数名 <- function(参数){}而是函数名(函数参数){}C++中必须声明返回类型，ini就是标量整数。C++对应R语言常用向量的类是:NumericVector,IntegerVector,CharacterVector和LogicalVector.- R语言没有标量，全是向量。而
C++有向量和标量之分，标量的数据类型是double,int,String和bool C++你必须要用到return声明要返回的数据- 每段代码后要跟着
;
标量输入，标量输出
我们可以写一个函数，sign，他的功能就是把一个负数转成正数，正数不变
signR <- function(x){
if (x > 0){
x
} else if (x == 0 ){
0
} else{
-x
}
}
cppFunction('int signC(int x){
if( x >0 ){
return x;
} else if (x == 0){
return 0;
} else {
return -x;
}
}')
这个例子中要注意两件事情
- 在
C++中，你需要声明输入的数据类型 C++和R的条件语句长得一样。
向量输入，标量输出
R和C++一大区别就是R的循环效率很低。因此在R语言要尽量避免使用显示的循环语句，尽量向量化运算函数。而C++的循环花销特别小，所以可以放心大胆的用。
让我们用R代码写一个求和函数sum 以及 C++的求和函数，然后比较下效率
sumR <- function(x){
total <- 0
for (i in seq_along(x)){
total <- total + x[i]
}
total
}
cppFunction('int sumC(NumericVector x ){
int n = x.size();
double total = 0;
for(int i = 0; i < n; ++i){
total += x[i];
}
return total;
}')
C++版本和R版本的逻辑相同，但是有如下不同
- 用
.size()确认向量的长度 for的写法为for(初始值; 判断语句; 递增)- 记住:
C++的向量索引从0开始，R是从1开始 - 向量赋值是
=而不是<- total += x[i]等价于total = total + x[i], 类似的符号还有-=,*=,/=
最后用microbenchmark比较下,R自带求和函数和我们自己写的两个版本的差异
x <- runif(1000)
microbenchmark(
sum(x),
sumC(x),
sumR(x)
)
最快的是高度优化过的内置函数，最差的就是sumR(), 速度会比sumC()慢10倍以上。
向量输入，向量输出
R中比较常见的操作就是向量间运算，尤其R还会自动补齐。自动补齐某些时候会造成一些问题，但是C++不存在这个问题。我们可以写一个RCPP的+函数
cppFunction('NumericVector addC(NumericVector x, NumericVector y){
int xn = x.size();
int yn = y.size();
if (xn != yn){
stop("input should be same length");
}
NumericVector out(xn);
for(int i=0; i< xn; ++i){
out[i] = x[i] + y[i];
}
return out;
}')
x <- runif(1e6)
y <- runif(1e6)
microbenchmark(addC(x,y),
x+y)
矩阵输入，向量输出
每个向量类型都有矩阵等价类，NumericMatrix, IntegerMatirx, CharacterMatirx, LogicalMatirx. 让我们尝试写一个rowSums()函数
cppFunction('NumericVector rowSumsC(NumericMatrix x){
int nrow = x.nrow(), ncol = x.ncol();
NumericVector out(nrow);
for(int i = 0; i < nrow; i++){
double total =0;
for(int j =0; j< ncol; j++){
total += x(i,j);
}
out[i] = total;
}
return out;
}')
set.seed(1024)
x <- matrix(sample(100), nrow = 10)
rowSumsC(x)
这里注意有两点不同，在C++中，你用()对矩阵取值，而不是[]
尽管看起来C++的代码运行起来比R语言快多了，比如说R要一分钟，RCPP只要一秒，但是如果算上我们写代码的时间和调试代码的时间，刚开始不熟练估计要10分钟，那么总体来看，还是直接上手写R代码比较合适。
但是如果有一些代码要不断复用，那么写C++代码还是很划算。这个时候就建议将代码写到专门的文本中，用sourceCpp()加载，而不是cppFunction()函数
在Rsutdio中可以创建一个C++模板文件，代码写完之后还可以进行debug。
比如说在里面写上面的rowSumsC函数，分为如下几个部分
导入头文件，加载Rcpp到命名空间中，类似于library()
#include <Rcpp.h>
using namespace Rcpp;
使用// [[Rcpp::export]]说明这里的函数会被R使用
// [[Rcpp::export]]
NumericVector rowSumsC(NumericMatrix x){
int ncol = x.ncol(), nrow = x.nrow();
NumericVector out(nrow);
for (int i =0; i < nrow; i++ ){
double total = 0;
for (int j =0 ;j < ncol; j++){
total += x(i,j);
}
out[i] = total;
}
return out;
}
下面部分会在sourceCpp()加载后自动运行
/*** R
library(microbenchmark)
set.seed(1014)
x <- matrix(sample(100), 10)
microbenchmark(
rowSumsC(x),
Matrix::rowSums(x)
)
*/
将文件保存成rowSumsC.cpp, 之后在R里用sourceCpp(file = "rowSumsC.cpp")。
