下午好,
在使用Rcpp时,我一直在尝试使用类似于在R中对x[200:300]
进行子集设置的方法。(注意,这不是我试图解决的问题,但我需要在我试图用C++编写的函数中划分许多范围,我发现这是我性能的瓶颈)
然而,尽管我尝试过在rcpp中使用迭代器或其他方法,但我似乎没有找到一个最低限度"快速"的解决方案。我找到的大多数解决方案都很慢。
看看Rcpp的参考,我似乎找不到任何东西,在StackExchange中也找不到。
我知道这个代码现在很难看。。。但我对一无所知
// [[Rcpp::export]]
StringVector range_test_( StringVector& x, int i, int j){
StringVector vect(x.begin()+i, x.begin()+j);
return vect;
}
然后,它就慢了800倍。我一直在尝试在rcpp库中找到与R相同的x[i:j]
函数,它非常快。。。但我找不到。
tests_range <- rbenchmark::benchmark(
x[200:3000],
range_test_(x, 200, 3000),
order = NULL,
replications = 80
)[,1:4]
结果给出
test replications elapsed relative
1 x[200:3000] 80 0.001 1
3 range_test_(x, 200, 3000) 80 0.822 822
如果有人知道如何在Rcpp中快速访问子设置函数x[i:j]
或其他功能,我将不胜感激。我只是似乎找不到我缺少的工具。
问题是迭代器构造函数生成了一个副本。参见本页
将迭代器之间的数据首先复制到创建的向量
但是,您可以尝试使用
#include <Rcpp.h>
// [[Rcpp::export]]
Rcpp::StringVector in_range(Rcpp::StringVector &x, int i, int j) {
return x[Rcpp::Range(i - 1, j - 1)]; // zero indexed
}
所花费的时间更接近
> set.seed(20597458)
> x <- replicate(1e3, paste0(sample(LETTERS, 5), collapse = ""))
> head(x)
[1] "NHVFQ" "XMEOF" "DABUT" "XKTAZ" "NQXZL" "NPJLM"
>
> stopifnot(all.equal(in_range(x, 100, 200), x[100:200]))
>
> library(microbenchmark)
> microbenchmark(in_range(x, 100, 200), x[100:200], times = 1e4)
Unit: nanoseconds
expr min lq mean median uq max neval
in_range(x, 100, 200) 1185 1580 3669.780 1581 1976 3263205 10000
x[100:200] 790 790 1658.571 1185 1186 2331256 10000
请注意,这里有一个关于susbetting的页面。不过,我在那里找不到相关的例子。