我有一个以下R代码,效率不高。我想使用Rcpp使其高效。特别是,我不习惯在Rcpp中处理数组。任何帮助,将不胜感激。
myfunc <- function(n=1600,
m=400,
p = 3,
time = runif(n,min=0.05,max=4),
qi21 = rnorm(n),
s0c = rnorm(n),
zc_min_ecox_multi = array(rnorm(n*n*p),dim=c(n,n,p)),
qi=matrix(0,n,n),
qi11 = rnorm(p),
iIc_mat = matrix(rnorm(p*p),p,p)){
for (j in 1:n){
u<-time[j]
ind<-1*(u<=time)
locu<-which(time==u)
qi2<- sum(qi21*ind) /s0c[locu]
for (i in 1:n){
qi1<- qi11%*%iIc_mat%*%matrix(zc_min_ecox_multi[i,j,],p,1)
qi[i,j]<- -(qi1+qi2)/m
}
}
}
计算时间约为7.35秒。我需要一遍又一遍地调用此函数,大概20次。
system.time(myfunc())
user system elapsed
7.34 0.00 7.35
首先要做的是分析您的代码:profvis::profvis({myfunc()})
。
您可以做的是预先计算一次qi11 %*% iIc_mat
。您得到了(有一些小的改进):
precomp <- qi11 %*% iIc_mat
for (j in 1:n) {
u <- time[j]
qi2<- sum(qi21[u <= time]) / s0c[time == u]
for (i in 1:n){
qi1 <- precomp %*% zc_min_ecox_multi[i, j, ]
qi[i, j] <- -(qi1 + qi2) / m
}
}
那是两倍的速度(8秒-> 4秒)。
然后将i
循环向量化似乎很简单:
q1_all_i <- tcrossprod(zc_min_ecox_multi[, j, ], precomp)
qi[, j] <- -(q1_all_i + qi2) / m
(现在快了12倍)