La meilleure approche que vous avez émis l'hypothèse est d'utiliser C++ pour exécuter le produit cartésien que vous désirez. Essayer de porter le code sur Armadillo donnera une légère augmentation par rapport à la version pure de Rcpp, qui est nettement plus rapide que la version R écrite. Pour plus de détails sur l'efficacité de chaque méthode, voir la section sur les points de référence à la fin.
La première version est presque un port direct dans tatou et exécute en fait légèrement pire que fonction pure CRPP initiale. La seconde version utilise les fonctions submatrix views et each_row() de l'armadillo pour exploiter l'évaluation en place. Pour obtenir la parité avec la version Rcpp, notez l'utilisation de la référence par renvoi et l'utilisation d'un type entier signé produisant const arma::imat&
. Ceci évite une copie en profondeur des deux grandes matrices integer
lorsque les types correspondent et une référence est établie.
#include <RcppArmadillo.h>
// [[Rcpp::depends(RcppArmadillo)]
// --- Version 1
// [[Rcpp::export]]
arma::imat cartProd_arma(const arma::imat& m1, const arma::imat& m2) {
int nrow1 = m1.n_rows, ncol = m1.n_cols, nrow2 = m2.n_rows, orow = 0;
arma::imat out(nrow1 * nrow2, ncol);
for (int r1 = 0; r1 < nrow1; ++r1) {
for (int r2 = 0; r2 < nrow2; ++r2) {
out.row(orow) = m1.row(r1) % m2.row(r2);
orow++;
}
}
return out;
}
// --- Version 2
// [[Rcpp::export]]
arma::imat cartProd_arma2(const arma::imat& m1, const arma::imat& m2) {
int nrow1 = m1.n_rows, ncol = m1.n_cols, nrow2 = m2.n_rows, orow = 0;
arma::imat out(nrow1 * nrow2, ncol);
for (int r1 = 0; r1 < nrow1; ++r1) {
out.submat(orow, 0, orow + nrow2 - 1, ncol - 1) = m1.row(r1) % m2.each_row();
orow += nrow2;
}
return out;
}
vérification rapide des détails de mise en œuvre correspondant au produit initial
all.equal(cartProd(m1, m2), cartProd_arma(m1, m2))
# [1] TRUE
all.equal(cartProd(m1, m2), cartProd_arma2(m1, m2))
# [1] TRUE
Pour générer les repères, je rangea la fonction initiale légèrement en pré-transposition de la matrice pour éviter plusieurs Transpose les appels chaque fois que l'application a été appelée par ligne. De plus, j'ai inclus l'astuce de la fonction affichée par @ user20650.
# OP's initial R only solution with slight modifications
op_R = function(m1, m2){
m2 <- t(m2)
m3 <- matrix(apply(m1, 1, function(x) x * m2), ncol = ncol(m1), byrow = TRUE)
}
# user20650's comment
so_comment <- function(m1, m2){
m4 <- matrix(rep(t(m1), each=nrow(m1)) * c(m2), ncol=nrow(m1))
}
En conséquence, nous avons la, nous pouvons voir microbenchmark
library("microbenchmark")
out <- microbenchmark(op_r = op_R(m1, m2), so_comment_r = so_comment(m1, m2),
rcpp = cartProd(m1, m2), arma_v1 = cartProd_arma(m1, m2),
arma_v2 = cartProd_arma2(m1, m2),
times = 50)
out
# Unit: milliseconds
# expr min lq mean median uq max neval
# op_r 1615.6572 1693.0526 1793.0515 1771.7353 1886.0988 2053.7050 50
# so_comment_r 2778.0971 2856.6429 2950.5837 2936.7459 3021.4249 3344.4401 50
# rcpp 463.6743 482.3118 565.0525 582.1660 614.3714 699.3516 50
# arma_v1 597.9004 620.5888 713.4101 726.7572 783.4225 820.3770 50
# arma_v2 384.7205 401.9744 490.5118 503.5007 574.6840 622.9876 50
Ainsi, de cela, suivant que le cartProd_arma2
, la mise en œuvre de tatou sous-matrice, est la meilleure fonction suivie de près par cartProd
, la implémentation Rcpp pure.
cela donne un peu d'accélération mais ... 'm4 = matrice (rep (t (m1), chacun = nrow (m1)) * c (m2), ncol = nrow (m1)); all.equal (m3, m4) ' – user20650
est Rcpp une option? –
@BenBolker: Oui, Rcpp serait aussi une option. –