R:Оптимизация/Предварительное выделение памяти

 Поделиться 

	Материал «R:Оптимизация/Предварительное выделение памяти», созданный автором Артём Клевцов, публикуется на условиях лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
	Вы можете свободно: делиться произведением – копировать, распространять и передавать данное произведение. создавать производные – переделывать данное произведение. При соблюдении следующих условий: указание авторства - Вы должны указывать авторство (источник) данного произведения в виде, установленном автором или лицензиаром (но ни в коем случае не таким образом, который наводит на мысль, что автор поддерживает вас или ваше использование данного произведения). http://creativecommons.org/licenses/by/4.0 CC-BY-4.0 Creative Commons Attribution 4.0 true true

Частой задачей, решаемой с помощью циклов, является выполнение расчётов и занесение результатов в переменную. Таким образом, результирующая переменная будет заполняться данными по мере работы цикла. Предварительное выделение памяти (preallocate) позволяет ускорить работу циклов, работающих с постепенной заполняемыми данными. Суть данного метода заключается в том, чтобы заранее выделить место в оперативной памяти, в которую будут записываться данные во время работы цикла. Выделение памяти осуществляется путём указания типа и размера переменной. Если этого не сделать, то при каждой новой итерации необходимо выделять новое место в памяти и производить туда запись.

Обратите внимание, что переменные, участвующие в цикле, должны быть объявлены до того, как будут использоваться.

КодR

<syntaxhighlight lang="r">noaaloc <- function(n) { x <- NULL # объявляем пустую переменную for (i in seq_len(n)) x[i] <- i * i x } alloc <- function(n) { x <- integer(n) # объявляем переменную нужного типа и размера for (i in seq_len(n)) x[i] <- i * i x } </syntaxhighlight>

Теперь срвним время выполнения объявленных функций:

КодR

<syntaxhighlight lang="r">microbenchmark(noaaloc(10^4), alloc(10^4)) #> Unit: milliseconds #> expr min lq median uq max neval #> noaaloc(10^4) 38.545 39.596 39.977 40.595 78.476 100 #> alloc(10^4) 5.546 5.843 6.112 6.443 7.593 100 </syntaxhighlight>

Создание пустых объектов в R

Векторы

integer(n)	создаёт объект типа integer (число с фиксированной запятой) длинной n.
numeric(n)	создаёт объект типа double (число с плавающей запятой) длинной n.
double(n)	создаёт объект типа double (число с плавающей запятой) длинной n (число двойной точности).
single(n)	создаёт объект типа double (число с плавающей запятой) длинной n (число одинарной точности).
complex(n)	создаёт объект типа complex (комплексный тип данных) длинной n.
character(n)	создаёт объект типа character (строковый тип данных) длинной n.
logical(n)	создаёт объект типа logical (логический тип данных) длинной n.

Создание любого типа вектора можно также осуществить с помощью функции vector(). Данная функция принимает два аргумента: mode, указывающая тип данных и length, указывающая длину вектора. Например, создание вектора целых чисел, длиной 100 можно создать с помощью следующих команд:

КодR

<syntaxhighlight lang="r">x <- integer(100) x <- vector("integer", 100) </syntaxhighlight>

Списки

Списки можно создавать с помощью уже рассмотренной ранее функции vector():

КодR

<syntaxhighlight lang="r">l <- vector("list", 10) </syntaxhighlight>

Матрицы

Матрицы создаются с помощью соответствующей функции matrix(). Для создания матрицы необходимой размера, нам нужно указать количество строк и столбцов. Пример создания матрицы:

КодR

<syntaxhighlight lang="r">m <- matrix(NA, nrow = 100, ncol = 10) </syntaxhighlight>

Поскольку матрица является также массивом, то матрицу можно также создать с помощью функции array(). Например:

КодR

<syntaxhighlight lang="r">m <- array(NA, dim = c(100, 10)) </syntaxhighlight>

Переменные, полученные с помощью функций matrix() и array() будут идентичными. Убедиться в этом можно с помощью функции identical():

КодR

<syntaxhighlight lang="r">identical(matrix(NA, nrow = 100, ncol = 10), array(NA, dim = c(100, 10))) #> [1] TRUE </syntaxhighlight>

Матрицы и массивы можно также получить путём преобразования векторов или списков. Для этого необходимо изменить атрибут объекта, в котом хранится информация о размерности объекта. Получиться информацию о размерности объекта можно с помощью функции dim(). Данная функция также позволяет изменять размерность объекта. Приведём примеры:

КодR

<syntaxhighlight lang="r">m <- array(NA, dim = c(3, 2)) # создаём двухмерный массив с 3 строками и 2 столбцами m #> [,1] [,2] #> [1,] NA NA #> [2,] NA NA #> [3,] NA NA dim(m) #> [1] 3 2 dim(m) <- c(2, 3) # изменяем количество строк и столбцов m #> [,1] [,2] [,3] #> [1,] NA NA NA #> [2,] NA NA NA dim(m) #> [1] 2 3 </syntaxhighlight>

Теперь мы может преобразовать вектор в матрицы путём присвоения вектору нужной нам размерности:

КодR

<syntaxhighlight lang="r">m <- rep(NA, 1000) dim(m) <- c(100, 10) </syntaxhighlight>

Обратим внимание на то, что количество элементов в векторе и массиве должно быть одинаковым, в противном случае R выдаст ошибку. Результат данного преобразования будут также идентичен предыдущим примерам:

КодR

<syntaxhighlight lang="r">m1 <- matrix(NA, nrow = 100, ncol = 10) m2 <- rep(NA, 1000) dim(m2) <- c(100, 10) identical(m1, m2) #> [1] TRUE </syntaxhighlight>

Таблицы данных

Таблицы данных (data.frame) могут могу быть созданы путём объединения векторов, содержащих требуемые типы данных (см. выше о создании векторов):

КодR

<syntaxhighlight lang="r">d <- data.frame(A = integer(100), B = character(100), C = double(100), D = double(100), E = integer(100), stringsAsFactors = FALSE) </syntaxhighlight>