为什么mean()这么慢？

Question

一切都在问题中!我只是试着做一些优化,并且为了好奇而把钉子钉在脖子上,我试过了:

t1 <- rnorm(10)
microbenchmark(
  mean(t1),
  sum(t1)/length(t1),
  times = 10000)

结果是mean()比"手动"计算慢6倍!

它是否源于在调用Internal(mean)之前mean()代码的开销,还是C代码本身更慢？为什么？有充分的理由,因此是一个很好的用例吗？

Answer 1

这是由于s3查找方法,然后在mean.default中对参数进行必要的解析.(以及其他代码的意思)

sum并且length都是原始函数.所以会很快(但你如何处理NA值？)

t1 <- rnorm(10)
microbenchmark(
  mean(t1),
  sum(t1)/length(t1),
  mean.default(t1),
  .Internal(mean(t1)),
  times = 10000)

Unit: nanoseconds
                expr   min    lq median    uq     max neval
            mean(t1) 10266 10951  11293 11635 1470714 10000
  sum(t1)/length(t1)   684  1027   1369  1711  104367 10000
    mean.default(t1)  2053  2396   2738  2739 1167195 10000
 .Internal(mean(t1))   342   343    685   685   86574 10000

内部位mean比sum/ 更快length.

有关更多详细信息,请参阅http://rwiki.sciviews.org/doku.php?id=packages:cran:data.table#method_dispatch_takes_time(mirror)(以及避免使用的data.table解决方案.Internal).

请注意,如果我们增加向量的长度,那么原始方法是最快的

t1 <- rnorm(1e7)
microbenchmark(
     mean(t1),
     sum(t1)/length(t1),
     mean.default(t1),
     .Internal(mean(t1)),
+     times = 100)

Unit: milliseconds
                expr      min       lq   median       uq      max neval
            mean(t1) 25.79873 26.39242 26.56608 26.85523 33.36137   100
  sum(t1)/length(t1) 15.02399 15.22948 15.31383 15.43239 19.20824   100
    mean.default(t1) 25.69402 26.21466 26.44683 26.84257 33.62896   100
 .Internal(mean(t1)) 25.70497 26.16247 26.39396 26.63982 35.21054   100

现在方法调度只是所需总体"时间"的一小部分.

Answer 2

mean 由于以下几个原因,比"手动"计算慢:

1. S3方法调度
2. NA 处理
3. 错误修正

第1点和第2点已经涵盖.第3点讨论在R用什么算法计算均值？.基本上,mean在向量上进行2次传递以纠正浮点错误.sum只有1次通过矢量.

请注意,由于这些精确问题,identical(sum(t1)/length(t1), mean(t1))可能是FALSE

> set.seed(21); t1 <- rnorm(1e7,,21)
> identical(sum(t1)/length(t1), mean(t1))
[1] FALSE
> sum(t1)/length(t1) - mean(t1)
[1] 2.539201e-16