如何編寫高效的 R 語言程序？

01-05

在計算機條件限制的條件下，用什麼方法可使R程序跑的更快

第一步：很明顯的可以向量化和矩陣化的loop，改變矩陣或者向量的大小，都是比較耗時的，這些可以在R內部通過矩陣化，正確估計矩陣的dim來解決。

比較簡單的函數：基本程序本身寫好之後，用Rprof做profiling，找到最耗時間的環節，用inline和Rcpp包把最耗時間的部分重新寫一次（有一天我用一個二十行的C++函數換掉了一個which，程序的運行速度快了十倍這種事我會亂說嗎）。

可以並行的計算做並行處理。

使用ff包處理大的數據表格。

用sparse matrix處理大矩陣。

當然，使用正確的演算法也很重要。

啊，對了，有一本叫做the R inferno的書，作者是Patrick Burns，列舉了R語言編程中容易出現的各種小麻煩和解決方法，向大家推薦一下。

我很久以前寫的兩篇blog：

1. 給R代碼加速 | f(Program,Poet)=Programet

裡面介紹了幾個具體的例子，希望能從例子中介紹幾個讓R程序比較快的思考方法。例如盡量使用向量化運算，預先分配內存等。比較零散，

2. 同時通過OpenBLAS和mclapply加速R運算

這是關於怎麼單機並行R代碼的嘗試。如果設計很多的向量運算，簡單地配置好OpenBLAS能事半功倍。

另外附送一個大牛阿穩在2013年R會上的演講幻燈片：http://cos.name/wp-content/uploads/2013/05/%E7%AC%AC%E5%85%AD%E5%B1%8AR%E4%BC%9A%E8%AE%AE-%E9%98%BF%E7%A8%B3.pdf

前半部分的討論非常切題。

謝邀。

多用apply functions，少用loop
多用已建的東西，少寫自己的碼
如project大型，可考慮建包，用object-oriented programming

R語言編程藝術.pdf_免費高速下載

看14-16章

1. 熟悉 R 編程的特性，向量化，多用自帶的函數

2. 拿Fortran或C++寫再用R調用

3. 用 compiler 包編譯函數再調用

4. parallel 和其他的並行計算包

5. Revolution R Open, 編譯 R 時鏈接了一些計算庫

3、5 沒試過，我一般的順序是1，4，2，大部分別人的問題1就能解決，自己的問題經常用2。

程序員出身的人，一般第一次用R時都會感慨，怎麼這麼碎啊，一個功能有十八種函數，一個函數有十八種用法，這哪是門語言啊，這根本就是坨零碎嘛。

如果你也有這種感慨，那你需要思考一個問題，R的靈魂是什麼？

是程序嗎？是邏輯嗎？是演算法嗎？

都不是，R的靈魂是數據！

你可以這樣來理解，用R得到結果的過程，就是雕琢數據的過程，一切都圍繞數據。這兒用斧子砍幾下，那兒用刀子劃幾道，直到成型了，再琢磨怎麼上色怎麼添彩，或者就這麼粗曠著。

那些精彩的包，無一不是如此思想，當正確的包作用到正確的數據時，那種郎情妾意，真真的是共舞到醉。

好了，現在給你一坨數據，你打算把它塑造成啥？塑造時，你還缺什麼工具？

lapply 效率很低，詳情看這篇：Parallel computing in R

我最深有體會的一點是這是一個不停嘗試的過程。

每次涉及到必須寫loop的情況，就加個proc.time()，然後調試代碼，比較iteration 的時間。

我支持針對情況寫自己的碼，有些時候會比內置的好很多，一些矩陣運算有它自己的特性（比如對稱矩陣），這種最好自己寫，然後benchmark不停改。

http://arxiv.org/abs/1503.00855v1

Hadley Wickham補充的：

http://civilstat.com/.../very-gentle-resource-for.../...

（待完善）

多用*apply系列函數，對for循環趕盡殺絕，具體使用方法和範圍可參考：R Grouping functions: sapply vs. lapply vs. apply. vs. tapply vs. by vs. aggregate；
Rcpp，參考書籍：《Seamless.R.and.C++.Integration.with.Rcpp》；
單機並行，理論來說你的機器有幾個核，效率會相應提升幾倍，實際上對操作大數據，或者針對長時間的運算效果才明顯，對於小數據，會有阻礙作用；

參考書籍：
《parallel computation for data science》，《R in a nutshell》26章，《R語言編程藝術》第16章；
參考文檔： Using the foreach package,getting started parallel ； parallel R。
可用的包：snow，multicore(僅Linux中可用), foreach, Rmpi（操作系統級別，一般用於集群），parallel（合併了snow和multicore），segue（適合集群），doMC（Unix）；doparallel與foreach結合；

4.考慮集群，如sparkR，RHadoop（還未嘗試過）。

對sparkR功能的講解視頻：youtube.com 的頁面
sparkR的github官網：SparkR by amplab-extras
操作入門：SparkR (R on Spark)
RHadoop安裝配置可參考書籍《R的極客理想——工具篇》

Julia 的作者之一John Myles White 在他的博文 The Relationship between Vectorized and Devectorized Code 中提到，在R下，最糟糕的情況是R Devectorized Code，常用的情況是R Vectorized Code, 最佳情況是C Devectorized Code. JMW認為「R』s vectorized code is simply a thin wrapper around completely devectorized C code.」

-------------------------------------------------------------------------------------------------------------------------------------------

p.s. 我只是搬運一下人家的結論，輕拍。

我是新手，不過也有一些感悟。

少用循環，尤其是多重循環；

如果不得不用循環，甚至是多重循環，可以考慮先把數據量限制一下，取出其中的子集做操作。

多用內置函數，少用loop。

補充一下，關於並行運算這個頁面總結的比較齊全，包括多核多線程，GPU並行等等

CRAN Task View: High-Performance and Parallel Computing with R