使用 Rcpp 循环进行日期迭代

Question

出于紧固目的，我试图将 R 中的简单“for 循环”转换为 Rcpp 循环。

我有一个名为“date_vector”的日期向量，它由 X 个相同的日期组成。 对于 i 的每次迭代，我将 1 分钟添加到 date_vector 值。 R 'for 循环'（见下文）工作正常，但对于我非常大的数据集（2 年 ~ 100 万行）来说它太慢了。

我读过 Rccp 可能是加速循环的解决方案。 但是，我是一个“Rcpp”菜鸟，我正在努力转换我的循环。

有人可以帮助我并向我解释解决方案吗？非常感谢你！ 祝 2023 年一切顺利。

原来的 R 循环：

for(i in 2:nrow(klines)){
  
  date_vector[i] <- date_vector[i-1]+minutes(1)
  
}

我的 Rcpp 循环尝试：

cpp_update_date_vector <- cppFunction('DateVector fonction_test(DateVector zz),
  
  int n = zz.size();
  DateVector = date_vector;
  
    for (int i = 0; i < n; i++) {
    
    date_vector[i] = date_vector[i-1] + 60; 
  
  }
')

Answer 1

您可能根本不需要循环就可以实现您的目标。听起来您正在尝试将相同日期时间的向量更改为相隔一分钟的序列，对吧？如果是这样，你可以这样做：

library(lubridate) 

date_vector <- rep(ymd_hms("2020-01-01 12:00:00"), 10)

date_vector + minutes(seq_along(date_vector) - 1)

 [1] "2020-01-01 12:00:00 UTC" "2020-01-01 12:01:00 UTC"
 [3] "2020-01-01 12:02:00 UTC" "2020-01-01 12:03:00 UTC"
 [5] "2020-01-01 12:04:00 UTC" "2020-01-01 12:05:00 UTC"
 [7] "2020-01-01 12:06:00 UTC" "2020-01-01 12:07:00 UTC"
 [9] "2020-01-01 12:08:00 UTC" "2020-01-01 12:09:00 UTC"

Answer 2

为了完整起见，以下是在 Rcpp 中编写代码的方式：

cpp_update_date_vector <- Rcpp::cppFunction('
DatetimeVector fonction_test(DatetimeVector zz) {
    for (int i = 1; i < zz.size(); i++) {
      zz[i] = zz[i-1] + 60; 
    }
  return zz;
}
')

但它并不比基本 R seq 函数快，后者可以轻松创建相隔 1 分钟的日期时间序列。下面是对 1,000,000 长度的日期时间向量的两种方法的比较：

big_vec <- rep(as.POSIXct("2023-01-01 00:00:00"), 1000000)

microbenchmark::microbenchmark(
  Rcpp = cpp_update_date_vector(big_vec),
  base_R = seq(big_vec[1], by = "1 min", length = 1000000)
)

#> Unit: milliseconds
#>   expr      min       lq     mean   median       uq       max neval cld
#>   Rcpp 3.740001 3.752651 3.834506 3.774301 3.855301  5.367702   100   a
#> base_R 2.198901 2.311300 3.339260 2.374600 2.485352 25.751801   100   a

如果说有什么不同的话，base R 要快一点，尽管它们对整个向量的处理时间都不到 4 毫秒，所以几乎没有选择的余地。显然，基本 R 选项更可取。