R语言通过字节编译加快难以向量化的循环

示例

遵循本文档条目中的Rcpp示例，考虑以下难以矢量化的函数，该函数创建一个长度为len的向量，其中指定了第一个元素(first)并且每个元素x_i都等于cos(x_{i-1} + 1)：

repeatedCosPlusOne <- function(first, len) {
  x <- numeric(len)
  x[1] <- first
  for (i in 2:len) {
    x[i] <- cos(x[i-1] + 1)
  }  return(x)}

在不重写一行代码的情况下加快此类功能的一种简单方法是使用R编译包对字节进行代码编译：

library(compiler)repeatedCosPlusOneCompiled <- cmpfun(repeatedCosPlusOne)

生成的函数通常会明显更快，同时仍返回相同的结果：

all.equal(repeatedCosPlusOne(1, 1e6), repeatedCosPlusOneCompiled(1, 1e6))
# [1] TRUE
system.time(repeatedCosPlusOne(1, 1e6))
#    user  system elapsed 
#   1.175   0.014   1.201 
system.time(repeatedCosPlusOneCompiled(1, 1e6))
#    user  system elapsed 
#   0.339   0.002   0.341

在这种情况下，字节编译加快了难以向量化的操作，该向量对长度为100万的向量从1.20秒到0.34秒。

备注

repeatedCosPlusOne作为单个功能的累积应用，的本质可以用以下方式更透明地表达Reduce：

iterFunc <- function(init, n, func) {
  funcs <- replicate(n, func)
  Reduce(function(., f) f(.), funcs, init = init, accumulate = TRUE)
}
repeatedCosPlusOne_vec <- function(first, len) {
  iterFunc(first, len - 1, function(.) cos(. + 1))
}

repeatedCosPlusOne_vec可以视为的“向量化” repeatedCosPlusOne。但是，可以预期它会慢2倍：

library(microbenchmark)microbenchmark(
  repeatedCosPlusOne(1, 1e4),
  repeatedCosPlusOne_vec(1, 1e4)
)
#> Unit: milliseconds
#>                              expr       min        lq     mean   median       uq      max neval cld
#>      repeatedCosPlusOne(1, 10000)  8.349261  9.216724 10.22715 10.23095 11.10817 14.33763   100  a 
#>  repeatedCosPlusOne_vec(1, 10000) 14.406291 16.236153 17.55571 17.22295 18.59085 24.37059   100   b