Żeby przyspieszyć swój kod, musisz najpierw wiedzieć, ile czasu zajmuje jego wykonanie. Ten rozdział wprowadza pojęcie benchmarkingu, czyli mierzenia wydajności kodu.

Witaj!

Wersja R

Pomiar wydajności

Porównanie czasu wczytywania plików CSV i RDS

Różnice w działaniu: "<-" i "="

Czas wykonania

Czas względny

Jak dobry jest twój komputer?

Sprzęt DataCamp

Testy wydajności maszyny DataCamp

Sztuka benchmarkingu

R jest elastyczny – ten sam problem często można rozwiązać na wiele różnych sposobów. Niektóre z nich bywają wielokrotnie szybsze od innych. Ten rozdział uczy, jak pisać wydajny kod w bazowym R.

Alokacja pamięci

Dlaczego ten kod działa wolno?

Pomiar czasu – rozrastający się wektor

Pomiar czasu – wstępna alokacja

Znaczenie wektoryzacji kodu

Kod wektoryzowany: mnożenie

Kod wektoryzowany: obliczanie sumy logarytmów

Ramki danych i macierze

Ramki danych a macierze

Ramki danych i macierze – wybór kolumny

Wybieranie wiersza w ramce danych

Pomiar czasu dla wierszy

Strojenie kodu: wydajne podstawy R

Profilowanie pozwala zlokalizować wąskie gardła w kodzie. W tym rozdziale nauczysz się wizualizować je za pomocą pakietu profvis.

Czym jest profilowanie kodu

Profilowanie funkcji

Gdzie tkwi problem?

Profvis w akcji

Profvis: rozbudowany przykład

Zamień ramkę danych na macierz

Obliczanie sum wierszy

Użyj && zamiast &

Przegląd gry Monopoly

Diagnozowanie problemów: profilowanie kodu

Niektóre problemy można rozwiązać szybciej, wykorzystując wiele rdzeni procesora. Ten rozdział pokazuje, jak pisać kod w R działający równolegle.

Procesory CPU – po co nam więcej niż jeden?

Ile rdzeni ma ta maszyna?

Jakie problemy skorzystają na przetwarzaniu równoległym?

Czy ta pętla może działać równolegle (1)?

Czy ta pętla może działać równolegle (2)?

Pakiet parallel – parApply

Przejście do programowania równoległego

Przejście na parApply

Pakiet parallel – parSapply

Używanie parSapply()

Pomiar czasu parSapply()

Potrafisz pisać wydajny kod w R!

Kod na pełnych obrotach: programowanie równoległe

Information on 45,000 movies

Siłą R jest to, że powstał z myślą o analizie danych. Jego słabością bywa natomiast wydajność – wolno działający kod potrafi skutecznie utrudnić pracę. Dlatego warto poznać główne techniki przyspieszania analizy, aby skrócić czas obliczeń i szybciej wyciągać wnioski.

Intermediate R

Naucz się pisać szybszy kod R, odkryj benchmarking i profilowanie oraz tajniki programowania równoległego.

Wydajny kod w R

Naucz się pisać szybszy kod R, poznaj benchmarking i profilowanie oraz odkryj tajniki programowania równoległego.

Big Data w R

Programista R

Podstawy programowania w R

Profilowanie funkcji

Wydajny kod w R

Interaktywne ćwiczenie praktyczne