Question

有什么理由我更喜欢Rcpp::NumericVector而不是std::vector<double>？

例如，下面的两个函数

// [[Rcpp::export]]
Rcpp::NumericVector foo(const Rcpp::NumericVector& x) {
  Rcpp::NumericVector tmp(x.length());
  for (int i = 0; i < x.length(); i++)
    tmp[i] = x[i] + 1.0;
  return tmp;
}

// [[Rcpp::export]]
std::vector<double> bar(const std::vector<double>& x) {
  std::vector<double> tmp(x.size());
  for (int i = 0; i < x.size(); i++)
    tmp[i] = x[i] + 1.0;
  return tmp;
}

在考虑其工作和基准性能时是等效的。我知道Rcpp提供了糖和矢量化操作，但是如果只是将R的向量作为输入并将向量作为输出返回，那么我使用哪一个会有什么区别吗？在与R？

交互时，使用std::vector<double>会导致任何可能出现的问题

Answer 1

在考虑其工作和基准性能时是等效的。

我怀疑基准测试是否准确，因为从SEXP到std::vector<double>需要从一个数据结构到另一个数据结构的深副本。（当我打字时，@ DirkEddelbuettel运行了一个微基准测试。）
Rcpp对象的标记（例如const Rcpp::NumericVector& x）只是视觉糖。默认情况下，给定的对象是指针，因此很容易产生波纹修改效果（见下文）。因此，与const std::vector<double>& x存在的有效“锁定”和“传递引用”的真正匹配。

在与R？
交互时，使用std::vector<double>会导致任何可能出现的问题

简而言之，没有。唯一的惩罚是对象之间的转移。

此转移的收益是修改分配给另一个NumericVector的{{1}}的值不会导致多米诺骨牌更新。实质上，每个NumericVector都是另一个std::vector<T>的直接副本。因此，以下情况不可能发生：

#include<Rcpp.h>

// [[Rcpp::export]]
void test_copy(){
    NumericVector A = NumericVector::create(1, 2, 3);
    NumericVector B = A;

    Rcout << "Before: " << std::endl << "A: " << A << std::endl << "B: " << B << std::endl; 

    A[1] = 5; // 2 -> 5

    Rcout << "After: " << std::endl << "A: " << A << std::endl << "B: " << B << std::endl; 
}

给出：

test_copy()
# Before: 
# A: 1 2 3
# B: 1 2 3
# After: 
# A: 1 5 3
# B: 1 5 3

有什么理由我更喜欢Rcpp::NumericVector而不是std::vector<double>？

有几个原因：

如前所述，使用Rcpp::NumericVector可以避免 C ++ std::vector<T>之间的深副本。
您可以访问 sugar 功能。
能够在 C ++中标记 Rcpp 对象（例如，通过.attr()添加属性）

Answer 2

＆＃34;如果不确定，只需要时间。＆＃34;

只需将这几行添加到您已有的文件中即可：

/*** R
library(microbenchmark)
x <- 1.0* 1:1e7   # make sure it is numeric
microbenchmark(foo(x), bar(x), times=100L)
*/

然后只需调用sourceCpp("...yourfile...")就会生成以下结果（加上有符号/无符号比较的警告）：

R> library(microbenchmark)

R> x <- 1.0* 1:1e7   # make sure it is numeric

R> microbenchmark(foo(x), bar(x), times=100L)
Unit: milliseconds
   expr     min      lq    mean  median      uq      max neval cld
 foo(x) 31.6496 31.7396 32.3967 31.7806 31.9186  54.3499   100  a 
 bar(x) 50.9229 51.0602 53.5471 51.1811 51.5200 147.4450   100   b
R>

您的bar()解决方案需要制作副本才能在R内存池中创建 R 对象。 foo()没有。对于多次多次运行的大型向量非常重要。在这里，我们看到收盘率约为1.8。

在实践中，如果你喜欢一种编码风格而不是另一种编码风格可能并不重要。

我应该更喜欢Rcpp :: NumericVector而不是std :: vector吗？

2 个答案: