用rcpp总结一下

Question

假设,我有data.frame以下几点:

set.seed(45)
DF <- data.frame(x=1:10, strata2013=sample(letters[1:3], 10, TRUE))

    x strata2013
1   1          b
2   2          a
3   3          a
4   4          b
5   5          b
6   6          a
7   7          a
8   8          b
9   9          a
10 10          a

我想获得的计数的每个唯一值列strata2013,然后,用data.table(速度),一个能做到这一点以这种方式:

DT <- as.data.table(DF)
DT[, .N, by=strata2013]
   strata2013 N
1:          b 4
2:          a 6

---

现在,Rcpp作为一项学习练习,我想尝试完成这项工作.我已经编写并尝试了下面显示的代码,它应该提供相同的输出,但它给了我一个错误.这是代码:

#include <Rcpp.h>
using namespace Rcpp;  

// [[Rcpp::export]]
NumericVector LengthStrata (CharacterVector uniqueStrata, DataFrame dataset ) {
  int n = uniqueStrata.size();
  NumericVector Nh(n);
  Rcpp::CharacterVector strata=dataset["strate2013"];
  for (int i = 0; i < n; ++i) {
    Nh[i]=strata(uniqueStrata(i)).size();
  }
  return Nh;
}

这是错误消息:

conversion from 'Rcpp::Vector<16>::Proxy {aka Rcpp::internal::string_proxy<16>}' 
to 'const size_t { aka const long long unsigned int}' is ambiguous

我究竟做错了什么？非常感谢您的帮助.

Answer 1

如果我理解正确,你希望strata( uniqueStrata(i) )将向量子集化,类似于R的子集操作.遗憾的是情况并非如此; 你必须"手动"执行子集化.Rcpp没有'通用'子集操作可用.

在使用时Rcpp,您确实希望尽可能利用C++标准库.产生这些计数的事实上的C++方式是使用a std::map(或者std::unordered_map,如果你可以假设C++ 11),使用类似下面的内容.我列出了兴趣基准.

来自Dirk的注释:unordered_map实际上可以tr1从前C++ 11中获得,因此可以使用例如#include <tr1/unordered_map>

#include <Rcpp.h>
using namespace Rcpp;

// [[Rcpp::export]]
IntegerVector LengthStrata( DataFrame dataset ) {
  Rcpp::CharacterVector strata = dataset["strata2013"];
  int n = strata.size();
  std::map<SEXP, int> counts;
  for (int i = 0; i < n; ++i) {
    ++counts[ strata[i] ];
  }
  return wrap(counts);
}

/*** R
library(data.table)
library(microbenchmark)
set.seed(45)
DF <- data.frame(strata2013=sample(letters, 1E5, TRUE))
DT <- data.table(DF)
LengthStrata(DF)
DT[, .N, by=strata2013]
microbenchmark(
  LengthStrata(DF),
  DT[, .N, by=strata2013]
)
*/

给我

Unit: milliseconds
                      expr      min       lq   median       uq       max neval
          LengthStrata(DF) 3.267131 3.831563 3.934992 4.101050 11.491939   100
 DT[, .N, by = strata2013] 1.980896 2.360590 2.480884 2.687771  3.052583   100

该Rcpp解决方案是在这种情况下可能更慢是由于它需要移动ř对象与C++的容器的时候,但希望这是有益的.

旁白:事实上,这已经Rcpp作为糖table功能包含在内,所以如果你想跳过学习经验,你可以使用预先制作的解决方案

#include <Rcpp.h>
using namespace Rcpp;  

// [[Rcpp::export]]
IntegerVector LengthStrata( DataFrame dataset ) {
  Rcpp::CharacterVector strata = dataset["strata2013"];
  return table(strata);
}

糖提高了Rcpp功能的速度:

 Unit: milliseconds
                      expr      min       lq   median       uq       max neval
          LengthStrata(DF) 5.548094 5.870184 6.014002 6.448235  6.922062   100
 DT[, .N, by = strate2013] 6.526993 7.136290 7.462661 7.949543 81.233216   100