如何解決R語言循環慢的問題

小編給大家分享一下如何解決R語言循環慢的問題，希望大家閱讀完這篇文章之后都有所收獲，下面讓我們一起去探討吧！

什么是R語言

R語言是用于統計分析、繪圖的語言和操作環境，屬于GNU系統的一個自由、免費、源代碼開放的軟件，它是一個用于統計計算和統計制圖的優秀工具。

step1

先查下自己電腦幾核的，n核貌似應該選跑n個線程，線程不是越多越好，線程個數和任務運行時間是條開口向下的拋物線，最高點預計在電腦的核數上。

detectCores( )檢查當前電腦可用核數 我的是4所以step2選的是4

library(parallel)
cl.cores <- detectCores()

step 2

多線程計算

setwd("C:\\Users\\siyuanmao\\Documents\\imdada\\0-渠道投放和新人券聯動模型\\測算")
options(scipen=3)  ##取消科學計數法
channel_ad_ios_data<-seq(0,50000,5000)
channel_ad_android_data<-seq(0,100000,10000)
library(parallel)
func <- function(n){#n=1
  result_data<-read.csv("發券方案.csv",stringsAsFactors=FALSE)
  total_coupon_solution_data<-read.csv("結果表框架.csv",stringsAsFactors=FALSE)
  coupon_solution_data<-subset(result_data,solution== paste('方案',n,sep=""))
  
  for (i in 1:11){#i=3
    coupon_solution_data$channel_ad_cost[3]<-5000*(i-1)
    
    for (j in 1:11){#j=5
      coupon_solution_data$channel_ad_cost[4]<-10000*(j-1)
      solution_mark<-paste('方案',n,i,j,sep="-")
      coupon_solution_data$solution<-solution_mark
      
      total_coupon_solution_data<-rbind(total_coupon_solution_data,coupon_solution_data)
    }
  }
  print(solution_mark)
  return(total_coupon_solution_data)
}
#func(10)
system.time({
x <- 1:7776
cl <- makeCluster(4) # 初始化四核心集群
results <- parLapply(cl,x,func) # lapply的并行版本
res.df <- do.call('rbind',results) # 整合結果
stopCluster(cl) # 關閉集群
})
df=as.data.frame(res.df)

原來非多線程的時候，我預計要跑12個小時以上，電腦發出呼呼~~的響聲，查了下Python循環會快點，然后改為python版（已經很久沒有用了，連個range都不會寫，摸索了大半天才改好，但是速度還是慢==），于是改成多線程，運行25分鐘就出結果了~~

補充：R語言 多線程

parallel包

包的安裝

install.packages("parallel")
library(parallel)

包中常用函數

detectCores() 檢查當前的可用核數

clusterExport() 配置當前環境

makeCluster() 分配核數

stopCluster() 關閉集群

parLapply() lapply()函數的并行版本

其實R語言本來就是一門向量化語言，如果是對于一個向量的操作，使用apply函數一族能獲得比較高的效率，相比于for循環，這種高效來自于：

用C實現了for循環

減少對于data.frame等數據結構等不必要的拷貝

但是很多時候，如果想更快的話，光apply函數一族還不足夠，這時候就能用上多線程。

R語言parallel包可以幫助實現多線程。

parLapply的簡單代碼實戰

檢查當前核數

cl.cores <- detectCores()
#結果
> cl.cores
[1] 8

啟動集群和關閉集群

cl <- makeCluster(4) # 初始化四核心集群
###并行任務
stopCluster(cl) # 關閉集群

parLapply執行多線程計算

#定義計算平方函數
square <- function(x)
{
    return(x^2)
}

#利用并行計算計算平方函數
num <- c(1:3)
cl <- makeCluster(4) # 初始化四核心集群
results <- parLapply（cl,num,square）#調用parLapply并行計算平方函數
final <- do.call('c',results)#整合結果
stopCluster(cl) # 關閉集群
#結果
> final
[1] 1,4,9

思考：在如此小的計算方式下，開4個核計算是否比開一個核要快

答案：當然是不一定，因為涉及到調度方式等額外開銷，所以不一定快，因為真正并行起作用的地方在于大數據量的計算。

時間開銷對比

兩段對比代碼

#定義計算平方函數
square <- function(x)
{
   #########
   #一段冗余代碼增加執行時間
    y = 2*x
    if(y <300)
    {z = y}
    else
    {z = x}
   ##########   
    return(x^2)
}
num <- c(1:10000000)

#并行計算
print(system.time({
    cl <- makeCluster(4) # 初始化四核心集群
    results <- parLapply（cl,num,square）#調用parLapply并行計算平方函數
final <- do.call('c',results)#整合結果
stopCluster(cl) # 關閉集群
}))
#結果
用戶  系統  流逝 
 7.89  0.27 19.01

#普通計算
print(system.time({
    results <- lapply（num,square）
    final <- do.call('c',results)#整合結果
}))
#結果
用戶  系統  流逝 
29.74  0.00 29.79

顯然在數據量比較大的時候，并行計算的時間幾乎就是于核數反比。不過，也不是多開幾個核就好，注意內存很容易超支的，每個核都分配相應的內存，所以要注意內存開銷。出現內存問題的時候，需要檢查是否代碼是否合理，R語言版本（64位會比32位分配的內存大），核分配是否合理。

上一級環境中變量的引入

R語言里邊對于環境變量有著有趣的定義，一層套一層，這里不做深入展開。

類似于在c語言函數中使用全局變量，R在執行并行計算的時候，如果需要計算的函數出現在全局（上一級），那么就需要聲明引入這個變量，否則將會報錯。

#定義計算冪函數
base = 2
square <- function(x)
{
    return(x^base)
}
num <- c(1:1000000)

#利用并行計算計算冪函數
cl <- makeCluster(4) # 初始化四核心集群
results <- parLapply（cl,num,square）#調用parLapply并行計算平方函數
final <- do.call('c',results)#整合結果
stopCluster(cl) # 關閉集群
#結果報錯
Error in checkForRemoteErrors(val) : 
  4 nodes produced errors; first error: 找不到對象'base'

#利用并行計算計算冪函數
cl <- makeCluster(4) # 初始化四核心集群
clusterExport(cl,"base",envir = environment())
results <- parLapply（cl,num,square）#調用parLapply并行計算平方函數
final <- do.call('c',results)#整合結果
stopCluster(cl) # 關閉集群
#結果
> final
[1] 1,4,9,16,25.......

foreach包

除了parallel包以外，還有針對并行for循環的foreach包，foreach()的使用也與parLapply()類似，兩個功能也類似，其中遇到的問題也類似。

包的安裝

install.packages("foreach")
library(parallel)

foreach的使用

#定義計算冪函數
square <- function(x)
{
    return(x^2)
}

非并行情況的使用：

參數中的combine就是整合結果的函數，可以是c，可以是rbind，也可以是+等

results = foreach(x = c(1:3),.combine = 'c') %do% square(x)
#結果
> results
[1] 1,4,9

并行情況的使用：

注意并行情況的時候，需要與parallel包進行配合，引入library(doParallel)。同時%do%需要改成%dopar%。另外與parallel包不一樣的是，需要多加一句registerDoParallel(cl)來注冊核進行使用。

cl <- makeCluster(4)
registerDoParallel(cl)
results = foreach(x = c(1:100000),.combine = 'c') %dopar% square(x)
stopCluster(cl)

上一級環境中變量的引入

同parallel包并行計算前需要clusterExport()來引入全局變量一樣，foreach也同樣需要聲明，不同的是，foreach聲明方式直接寫在foreach()的參數export里邊。

#定義計算冪函數
base = 2
square <- function(x)
{
    return(x^base)
}
cl <- makeCluster(4)
registerDoParallel(cl)
results = foreach(x = c(1:100000),.combine = 'c',.export ='base' ) %dopar% square(x)
stopCluster(cl)

看完了這篇文章，相信你對“如何解決R語言循環慢的問題”有了一定的了解，如果想了解更多相關知識，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！