Wektoryzować kalkulację produktu, która zależy od poprzednich elementów?
Próbuję przyspieszyć / wektoryzować niektóre obliczenia w szeregu czasowym. Czy Mogę wektoryzować obliczenia w pętli for, która może zależeć od wyników z wcześniejszej iteracji? Na przykład:
z <- c(1,1,0,0,0,0)
zi <- 2:6
for (i in zi) {z[i] <- ifelse (z[i-1]== 1, 1, 0) }
Używa wartości z [i] zaktualizowanych we wcześniejszych krokach:
> z
[1] 1 1 1 1 1 1
W moim staraniu o wektoryzację tego
z <- c(1,1,0,0,0,0)
z[zi] <- ifelse( z[zi-1] == 1, 1, 0)
Operacje element po elemencie nie używają wyników zaktualizowanych w operacji:
> z
[1] 1 1 1 0 0 0
Więc ta wektoryzowana operacja działa "równolegle" , a nie iteracyjnie Moda. Czy istnieje sposób, w jaki mogę to napisać/wektoryzować, aby uzyskać wyniki pętli for?
7 answers
ifelse
jest wektoryzowany i jest trochę kary, jeśli używasz go na jednym elemencie na raz w pętli for. W twoim przykładzie możesz uzyskać całkiem dobre przyspieszenie, używając if
zamiast ifelse
.
fun1 <- function(z) {
for(i in 2:NROW(z)) {
z[i] <- ifelse(z[i-1]==1, 1, 0)
}
z
}
fun2 <- function(z) {
for(i in 2:NROW(z)) {
z[i] <- if(z[i-1]==1) 1 else 0
}
z
}
z <- c(1,1,0,0,0,0)
identical(fun1(z),fun2(z))
# [1] TRUE
system.time(replicate(10000, fun1(z)))
# user system elapsed
# 1.13 0.00 1.32
system.time(replicate(10000, fun2(z)))
# user system elapsed
# 0.27 0.00 0.26
Możesz uzyskać dodatkowe przyrosty prędkości z fun2
, kompilując je.
library(compiler)
cfun2 <- cmpfun(fun2)
system.time(replicate(10000, cfun2(z)))
# user system elapsed
# 0.11 0.00 0.11
Więc jest 10x speedup bez wektoryzacji. Jak inni powiedzieli (a niektórzy zilustrowali) istnieją sposoby na wektoryzowanie twojego przykładu, ale może to nie przekładać się na Twój rzeczywisty problem. Mam nadzieję, że jest to na tyle ogólne, aby mieć zastosowanie.
Funkcja filter
może być również przydatna, jeśli potrafisz wyrazić swój problem w kategoriach procesu autoregresyjnego lub średniej ruchomej.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2011-08-22 21:35:20
To ładny i prosty przykład, w którym Rcpp może zabłysnąć.
Więc najpierw przekształćmy funkcje 1 i 2 oraz ich skompilowane odpowiedniki:
library(inline)
library(rbenchmark)
library(compiler)
fun1 <- function(z) {
for(i in 2:NROW(z)) {
z[i] <- ifelse(z[i-1]==1, 1, 0)
}
z
}
fun1c <- cmpfun(fun1)
fun2 <- function(z) {
for(i in 2:NROW(z)) {
z[i] <- if(z[i-1]==1) 1 else 0
}
z
}
fun2c <- cmpfun(fun2)
Bardzo łatwo piszemy wariant rcpp:
funRcpp <- cxxfunction(signature(zs="numeric"), plugin="Rcpp", body="
Rcpp::NumericVector z = Rcpp::NumericVector(zs);
int n = z.size();
for (int i=1; i<n; i++) {
z[i] = (z[i-1]==1.0 ? 1.0 : 0.0);
}
return(z);
")
Wykorzystuje pakiet inline do kompilacji, ładowania i łączenia pięciolinii w locie.
Teraz możemy zdefiniować naszą datę testu, którą wykonujemy nieco dłużej niż oryginał (ponieważ samo uruchomienie oryginału zbyt kilka razy skutkuje niemożliwością pomiaru razy):
R> z <- rep(c(1,1,0,0,0,0), 100)
R> identical(fun1(z),fun2(z),fun1c(z),fun2c(z),funRcpp(z))
[1] TRUE
R>
Wszystkie odpowiedzi są postrzegane jako identyczne.
Wreszcie możemy porównać:
R> res <- benchmark(fun1(z), fun2(z),
+ fun1c(z), fun2c(z),
+ funRcpp(z),
+ columns=c("test", "replications", "elapsed",
+ "relative", "user.self", "sys.self"),
+ order="relative",
+ replications=1000)
R> print(res)
test replications elapsed relative user.self sys.self
5 funRcpp(z) 1000 0.005 1.0 0.01 0
4 fun2c(z) 1000 0.466 93.2 0.46 0
2 fun2(z) 1000 1.918 383.6 1.92 0
3 fun1c(z) 1000 10.865 2173.0 10.86 0
1 fun1(z) 1000 12.480 2496.0 12.47 0
Wersja skompilowana wygrywa o współczynnik prawie 400 w stosunku do najlepszej wersji R i prawie 100 w stosunku do wersji skompilowanej bajtami. Dla funkcji 1 Kompilacja bajtów ma znacznie mniejsze znaczenie i oba warianty wykorzystują C++ O współczynnik znacznie ponad dwa tysiące.
Napisanie wersji C++ zajęło około jednej minuty. Przyrost prędkości sugeruje, że była to minuta dobrze wydane.
Dla porównania, oto wynik dla oryginalnego wektora krótkiego nazywanego częściej:
R> z <- c(1,1,0,0,0,0)
R> res2 <- benchmark(fun1(z), fun2(z),
+ fun1c(z), fun2c(z),
+ funRcpp(z),
+ columns=c("test", "replications",
+ "elapsed", "relative", "user.self", "sys.self"),
+ order="relative",
+ replications=10000)
R> print(res2)
test replications elapsed relative user.self sys.self
5 funRcpp(z) 10000 0.046 1.000000 0.04 0
4 fun2c(z) 10000 0.132 2.869565 0.13 0
2 fun2(z) 10000 0.271 5.891304 0.27 0
3 fun1c(z) 10000 1.045 22.717391 1.05 0
1 fun1(z) 10000 1.202 26.130435 1.20 0
Ranking jakościowy pozostaje bez zmian: dominuje wersja Rcpp , function 2 jest na drugim miejscu. wersja skompilowana bajtami jest około dwa razy szybsza od zwykłej wersji R, ale wciąż prawie trzy razy wolniejsza od wersji C++. A różnica względna jest niższa: relatywnie rzecz biorąc, funkcja wywołania ma mniejsze znaczenie, a rzeczywista pętla ma znaczenie więcej: C++ ma większą przewagę nad rzeczywistymi operacjami pętli w dłuższych wektorach. Że jest to ważny wynik, ponieważ sugeruje, że bardziej rzeczywiste dane wielkości, skompilowana wersja może czerpać większe korzyści.
edytowane w celu poprawienia dwóch małych przeoczeń w przykładach kodu. I ponownie edytowane dzięki Joshowi, aby złapać błąd konfiguracji w stosunku do fun2c.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2011-08-23 15:40:27
Myślę, że jest to oszustwo i nie uogólnialne, ale: zgodnie z powyższymi regułami, każde wystąpienie 1 w wektorze sprawi, że wszystkie kolejne elementy 1 (przez rekurencję: z[i]
będzie 1 ustawione na 1, Jeśli z[i-1]
równa się 1; zatem z[i]
będzie 1, Jeśli z[i-2]
równa się 1; i tak dalej). W zależności od tego, co naprawdę chcesz zrobić, istnieje Może być takie rekurencyjne rozwiązanie dostępne, jeśli dobrze się nad tym zastanowisz ...
z <- c(1,1,0,0,0,0)
first1 <- min(which(z==1))
z[seq_along(z)>first1] <- 1
Edit: to jest złe, ale zostawiam muszę przyznać się do błędów. Bazując na odrobinie grania (i mniej myślenia), myślę, że Rzeczywiste rozwiązanie tej rekurencji jest bardziej symetryczne i jeszcze prostsze:
rep(z[1],length(z))
Przypadki testowe:
z <- c(1,1,0,0,0,0)
z <- c(0,1,1,0,0,0)
z <- c(0,0,1,0,0,0)
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2011-08-22 21:26:56
Sprawdź funkcję rollapply
w zoo
.
Nie znam się na tym zbyt dobrze, ale myślę to robi to, co chcesz:
> c( 1, rollapply(z,2,function(x) x[1]) )
[1] 1 1 1 1 1 1
Zamykam go używając okna 2, a potem tylko pierwszego elementu tego okna.
Dla bardziej skomplikowanych przykładów możesz wykonać obliczenia na x[1] i zwrócić je zamiast tego.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2011-08-22 21:17:16
Czasami trzeba myśleć o tym zupełnie inaczej. To, co robisz, to tworzenie wektora, w którym każdy element jest taki sam jak pierwszy, jeśli jest 1 lub 0 w przeciwnym razie.
z <- c(1,1,0,0,0,0)
if (z[1] != 1) z[1] <- 0
z[2:length(z)] <- z[1]
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2011-08-23 21:01:55
Istnieje funkcja, która wykonuje te obliczenia: cumprod
(Produkt skumulowany)
> cumprod(z[zi])
[1] 1 0 0 0 0
> cumprod(c(1,2,3,4,0,5))
[1] 1 2 6 24 0 0
W przeciwnym razie, vectorize z Rccp, jak pokazały inne odpowiedzi.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2018-05-29 08:15:45
Jest również możliwe, aby to zrobić za pomocą "apply" używając oryginalnego wektora i opóźnionej wersji wektora jako kolumn składowych ramki danych.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/doraprojects.net/template/agent.layouts/content.php on line 54
2014-10-10 20:08:42