: 因此我的问题如下： : : (1) R 的回圈为何可以慢成这样? 我知道有研究过底层的高手理解来龙去脉，但对於 : 新手而言，有没有什麽简单的说法可以 give some insight? : : -- :

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 59.127.14.10 : ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/R_Language/M.1438686610.A.4DE.html : → Wush978: (1) R对记忆体的使用上比较没效率，所以用for写的演算法 08/04 19:52 : → Wush978: 很容易写出没有重复利用记忆体的写法，导致记忆体管理拖 08/04 19:53 : → Wush978: 累效能 08/04 19:53 : → celestialgod: 我看到的是要做很多直译动作而浪费掉时间~~~ 08/04 19:56 : → celestialgod: 简单说明就是有很多不必要的动作在回圈中被使用 08/04 19:57 : → celestialgod: 出处：http://tinyurl.com/a7l7zyb 08/04 19:58 我觉得这边有很多地方可以讨论。 首先，我觉得大部分的状况，直译带来的overhead是可以忍受的： 根据出处的例子，一个1e5的回圈跑0.37秒： 在我的电脑，1e7大概跑4 ~ 5秒左右。 ``` system.time({ I = 0 while (I < 1e7) { 10 I = I + 1 } }) ``` 在一般的状况下，这样的overhead应该是可接受的。 透过compiler套件，也可以简单改善直译带来的overhead ps. 直译的意思是，把上述的R 程式码，转换成CPU的操作指令。 在C 等编译式语言，程式码会直接转换成CPU 的操作指令後才能执行。 R 、Python、PHP等直译式语言，则是在使用者按下Enter之後才转换 程式码成CPU 的操作指令，这样的动作会导致执行的效能比较慢。 而牵涉到记忆体操作的回圈，如： ``` x <- c() system.time({ for(i in 1:1e5) { x <- append(x, length(x)) } }) ``` 才1e5次就要12秒，而且慢的幅度是以平方的规模成长，这类的效应很容易让你的执行 时间在回圈次数不大的状况下成长到数天或数星期。 最後给一个也是和记忆体相关的范例： ``` mat <- matrix(1, 100, 100) tracemem(mat) system.time({ for(i in 1:1e2) { for(j in 1:1e2) { mat[i,j] <- i + j } } }) system.time({ for(i in 1:1e2) { for(j in 1:1e2) { tmp <- mat tmp[i,j] <- i + j } } }) ``` 这段程式码是一个显示copy on write导致R 复制矩阵的范例。 一开始tracemem函数是让R 告诉你说：「R 正在复制mat的内容」 第一个system.time有做write in place, 所以mat没有被复制，执行时间只有0.01秒 而第二个system.time在对tmp做操作时会触发copy on write，所以执行时间变成0.65秒 而这个变慢的速度和mat有关。 所以你可以想像当你处理很大的资料时，一些暂存物件 会很显着拖慢你的回圈！ 就我个人的经验， 通常会让你的回圈跑到分钟以上，都是因为你的函数有牵涉到大量记忆体的存取。 另一个我这里没说明的，是演算法的复杂度。有时候我们会写出复杂度为O(n^2)以上的 R 函数而不自知，这除了去学一点演算法，以及了解R 如何配置记忆体之外，也没有帝 王之路了。 最後，我觉得celestialgod大大贴的连结，下面有人给的文章写的很好： R Help Desk How Can I Avoid This Loop or Make It Faster? by Uwe Ligges and John Fox <https://www.r-project.org/doc/Rnews/Rnews_2008-1.pdf> 这两位作者都是R 界的大大，他们给出的看法也非常非常的中肯。 文中对於Loop的看法是： Loops! > Many comments about R state that using loops is a > particularly bad idea. This is not necessarily true. In > certain cases, it is difficult to write vectorized code, > or vectorized code may consume a huge amount of > memory. Also note that it is in many instances much > better to solve a problem with a loop than to use re- > cursive function calls. 里面许多对撰写Loop的建议都是很棒的。 细节就麻烦你去读原文了。 ps. 如果你有兴趣的话，很欢迎翻译或节录重点，贴回来本版。 R 版非常欢迎版友能在这里成长的同时，回馈你的经验给R 版。 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 1.34.60.59 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/R_Language/M.1438698401.A.A59.html ※ 编辑: Wush978 (1.34.60.59), 08/04/2015 22:27:37 ※ 编辑: Wush978 (1.34.60.59), 08/04/2015 22:28:14