使用 rpy2 库，R 中的 For 循环比 Python 中的循环快几倍

Question

以下简单的for块大约需要 ~3 秒才能完成R：library(MASS)nruns <- 2000nelems <- 50maxX <- 1maxY <- 1for(i in 1:nruns) {    dataX <- runif(nelems, 0, maxX)    dataY <- runif(nelems, 0, maxY)    kde2d(dataX, dataY, n=50, lims=c(0, maxX, 0, maxY) )}rpy2通过库在 Python 中运行相同的代码需要 4-5 倍的时间：from rpy2.robjects import rfrom rpy2.robjects.packages import importrimportr('MASS')nruns = 2000r.assign('nelems', 50)r.assign('maxX', 1)r.assign('maxY', 1)for _ in range(nruns):    r('dataX <- runif(nelems, 0, maxX)')    r('dataY <- runif(nelems, 0, maxY)')    r('kde2dmap <- kde2d(dataX, dataY, n=50, lims=c(0, maxX, 0, maxY))')这仅仅是因为我正在使用rpy2图书馆进行交流R还是有其他原因在起作用？这可以以任何方式改进吗（同时仍然在 Python 中运行代码）？

Answer 1

慢 4 到 5 倍似乎有点多，但如果您使用自定义转换（rpy2 可以动态地将 R 对象转换为任意 Python 对象 - 请参阅文档）。

或者可能是您在 HPC 上对安装 Python 和包的位置进行较慢的 NFS 访问，而 R 在更快的本地磁盘上（这可能会对启动时间产生很大影响）。

否则，也可以将循环保留在 R 中以评估这是否会改变运行时间：

from rpy2.robjects import r

from rpy2.robjects.packages import importr

# importr('MASS')

# Calling 'importr' will perform quite a bit of work behind the

# scene. That works allows a more intuitive/pythonic use of the

# content of the R library "MASS", but if you are just passing

# a string to be evaluated for R evaluation you can skip it

# replace it with the following:

r('library("MASS")')

nruns = 2000

r.assign('nelems', 50)

r.assign('maxX', 1)

r.assign('maxY', 1)

r.assign('nruns', nruns)

r("""

for(i in 1:nruns) {

  dataX <- runif(nelems, 0, maxX)

  dataY <- runif(nelems, 0, maxY)

  kde2dmap <- kde2d(dataX, dataY, n=50, lims=c(0, maxX, 0, maxY) )

}

""")

速度改进将来自以下方面：

您问题中的代码在每次迭代中传递 Python 字符串。每次在评估该字符串之前都必须（通过 R）对其进行解析。这可能会增加一些长循环的开销。在我提供的代码中，解析只执行一次。

importr()@Parfait 答案中的代码利用了为要使用的 R 函数创建 Python 对象代理这一事实。但是，在创建映射时（为 R 包中的所有importr()对象创建映射）以及从 Python 到 R 的每次迭代（对象检查和转换、构建要评估的 R 表达式）时，仍然存在开销。对代码进行概要分析可以让您准确了解时间花在了哪里。有一些方法可以在保留更多性能的同时保留一些 pythonic 方面。例如：

 import rpy2.rinterface as ri

 ri.initr()

 ri.baseenv['library']("MASS")

 # early bindings for R functions:

 runif = ri.globalenv.find('runif')

 kde2d = ri.globalenv.find('kde2d')

 # create constant values in loop as R objects

 maxX = ri.IntVector((1, ))

 maxY = ri.IntVector((1, ))

 nelems = ri.IntVector((50, ))

 zero = ri.IntVector((0, ))

 limits = ri.IntVector((0, maxX[0], 0, maxY[0]))

 for i in range(nruns):

     dataX = runif(nelems, zero, maxX)

     dataY = runif(nelems, zero, maxY)

     kde2dmap = kde2d(dataX, dataY, n=nelems, lims=limits)

关于性能的另一个评论是，rpy2 从 C 扩展到的过渡cffi导致使用 R 的 C API 管理对话的代码结构有了显着改进（并修复了许多棘手的错误），但代价是暂时的在这里和那里的表现。正在逐步重新引入速度优化。

Answer 2

自然地，连接到外部语言 API 比直接运行外部语言要慢。但是，请考虑将所有内容都保留在 Python 层中并避免r()调用。

from rpy2.robjects.packages import importr

base = importr("base")

stats = importr("stats")

mass = importr("MASS")

nruns = 2000

nelems = 50

maxX = 1

maxY =  1

for _ in range(nruns):

    dataX = stats.runif(nelems, 0, maxX)

    dataY = stats.runif(nelems, 0, maxY)

    kde2dmap = mass.kde2d(dataX, dataY, n=50, lims=base.c(0, maxX, 0, maxY))