R语言的精度和时间效率比较（简单版）

合集 - R语言(6)

1.R语言的精度和时间效率比较（简单版）2018-06-04

2.R语言求根2018-06-053.R语言最优化(多维）2018-06-144.R语言最优化(一维)2018-06-135.R语言RODBC数据库操作2018-06-086.R语言数值积分2018-06-07

收起

• R语言的最大数值

　　在R语言里面，所能计算的最大数值可以用下面的方法获得：

　　

###R可计算最大数值
.Machine

在编程的时候注意不要超过这个数值。当然，普通情况下也不可能超过的。

• R语言的最大精度

　　R语言的舍入误差要比python好不少，但是也还是有的。

　　

?

1 2 3 4 5 6 7 8 9 10

###最小非零整数 2^-1074 ###最大数 2^1023 ###机器误差 2^-52 + 1 - 1 2^-53 + 1 - 1   ###比较两个数字 all.equal(2^-12 + 1,2^-13 + 1,tolerance = 1e-7)

　　上面所谓的机器误差就是不可避免的最小误差，在做运算时会被舍弃。至于在什么情况下舍弃，取决于两个数之间的误差是均方根，系统默认的均方根是10^-8，小于这个值的时候R就会默认它们相等。使用all.equal函数可以自己设定均方根的阈值，即tolerance.

• R语言的时间消耗

?

1 2 3 4 5 6

###创建向量会更浪费时间 n <- 1e6 x <- rep(0,n) system.time(for(i in 1:n) x[i] <- i^2) x <- c() system.time(for(i in 1:n) x[i] <- i^2)

　　　　可以看到时间差距还是很大的。

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

###矩阵的列求和 ###全部使用循环，不使用sum函数 Bmatrix <- matrix(1:1e6,nrow = 1000) colsums <- rep(NA, ncol(Bmatrix)) system.time(for(i in 1:ncol(Bmatrix)){   s <- 0   for(j in 1:1000){     s <- s + Bmatrix[j,i]   }   colsums[i] <- s }) ###使用apply和sum system.time(colsums <- apply(Bmatrix,2,sum)) ###使用sum和循环 system.time(for(i in 1:ncol(Bmatrix)){   colsums[i] <- sum(Bmatrix[,i]) }) ###使用系统函数 system.time(colsums <- colSums(Bmatrix))

　　上面的结果随着电脑的不同应该是不一样的，但是整体上来看肯定使用系统函数是最快的，其次是用sum函数，但是for和apply的效率是一样的，因为apply本来就是做的循环运算：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

###apply里面的for结构/膜拜大佬的代码 ans <- vector("list", d2)     if (length(d.call) < 2L) {         if (length(dn.call))             dimnames(newX) <- c(dn.call, list(NULL))         for (i in 1L:d2) {             tmp <- forceAndCall(1, FUN, newX[, i], ...)             if (!is.null(tmp))                 ans[[i]] <- tmp         }     }     else for (i in 1L:d2) {         tmp <- forceAndCall(1, FUN, array(newX[, i], d.call,             dn.call), ...)         if (!is.null(tmp))             ans[[i]] <- tmp     }

　　

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

###colSums的函数结构 function (x, na.rm = FALSE, dims = 1L) {     if (is.data.frame(x))         x <- as.matrix(x)     if (!is.array(x) || length(dn <- dim(x)) < 2L)         stop("'x' must be an array of at least two dimensions")     if (dims < 1L || dims > length(dn) - 1L)         stop("invalid 'dims'")     n <- prod(dn[id <- seq_len(dims)])     dn <- dn[-id]     z <- if (is.complex(x))         .Internal(colSums(Re(x), n, prod(dn), na.rm)) + (0+1i) *             .Internal(colSums(Im(x), n, prod(dn), na.rm))     else .Internal(colSums(x, n, prod(dn), na.rm))     if (length(dn) > 1L) {         dim(z) <- dn         dimnames(z) <- dimnames(x)[-id]     }     else names(z) <- dimnames(x)[[dims + 1L]]     z }

　　这个代码。。。里面还调用的colSums，有没有童鞋可以帮我解释一下这是为啥。