如何更快地创建 1000 页的 pdf？

Question

我需要在 R 中使用 ggplot2 将 1000 多页绘制到 PDF 文件中。除了以下代码之外，还有更快的方法：

library(ggplot2)
data(diamonds)
pdf("name.pdf", width = 6, height = 6)
for(i in 1:1000) {
  p1 <- ggplot(diamonds, aes(x = carat,  y = price)) +
        geom_point()
  print(p1)
}
dev.off()

我的实际情况是这样的；

(1)需要读取一个文件，根据文件每一行的值创建一个data.frame。

(2) 将该文件的每一行绘制为 pdf。

fa <- read.table(file)
pdf(name.pdf, width = 6, height = 4)
for(i in 1:nrow(fa)) {
  new.data <- function(i)
  p1 <- ggplot(new.data,...) + ...
  print(p1)
}
dev.off()

Answer 1

如上所述，速度是ggplot2 的弱点之一。这需要一些工作，但您通常可以在其他标准绘图包（base 或 lattice）之一中复制 ggplot 的外观；例如this series of blog posts 则相反（从 lattice 到 ggplot），但这些示例应该会有所帮助。 （@G.Grothendieck cmets 低于 library(latticeExtra); xyplot(y ~ x, diamonds, par.settings = ggplot2like(), lattice.options = ggplot2like.opts()) 将生成类似 ggplot 的图。）

如果您真的很绝望，我想您可以使用 parallel::parApply 生成合理数量的单独 PDF，然后使用 pdftk 等外部工具将它们拼接在一起...

设置机器以在所有三个系统中生成（大约）相同的图

 library("ggplot2")
 library("lattice")
 data(diamonds)
 gg_plot <- function() {
    cat(".")
    print(ggplot(diamonds, aes(x = carat,  y = price)) +
    geom_point())
 }
 base_plot <- function() {
    cat("+")
    plot(y~x,data=diamonds)
 }
 lattice_plot <- function() {
    cat("/")
    print(xyplot(y~x,data=diamonds))
 }
 wrap <- function(f,npages=20,fn="name.pdf") {
    pdf(fn, width = 6, height = 6) 
    for(i in 1:npages) {
           f()
    }
    dev.off()
    unlink(fn)
 }

 library("rbenchmark")
 benchmark(wrap(gg_plot),wrap(base_plot),wrap(lattice_plot),
           replications=10)

好的，这比我预期的要慢得多（我将其缩减为每个 PDF 20 页和 10 次复制）。 （我一开始以为lattice赢了很多，但那是因为我忘了print()结果...）

lattice 和 base 的速度都是 ggplot 的两倍...

                test replications elapsed relative user.self sys.self
2    wrap(base_plot)           10  75.693    1.249    74.053    1.596
1      wrap(gg_plot)           10 120.397    1.987   117.507    2.832
3 wrap(lattice_plot)           10  60.590    1.000    58.580    1.976

Answer 2

感谢@Carl Witthoft 的建议，我将使用parallel + foreach 来完成我的任务。以下是示例，我正在尝试制作更简单的图。

以下是我的观点：将数据计算扔到parallel 并将plots 存储到list（可能非常大），最后将print 所有数字存储到PDF 文件中。

library("ggplot2")
library("lattice")
data(diamonds)
gg_plot <- function() {
  cat(".")
  for(i in 1:5) {
    fig <- ggplot(diamonds, aes(x = carat, y = price)) + geom_point()
    print(fig)
  }
}

para_plot <- function() {
  cat("+")
  library(foreach)
  library(doParallel)
  library(ggplot2)    
  cl <- makeCluster(2)
  registerDoParallel(cl, cores = 2)
  AllFigs <- list()
  cTime <- system.time(
    AllFigs <- foreach(i = 1:5, .packages = c("ggplot2")) %dopar% {
      fig <- ggplot(mtcars, aes(x = mpg, y = disp)) + geom_point()
      #fig <- ggplot(diamonds, aes(x = carat, y = price)) + geom_point()
      fig
    }
  )
  stopCluster(cl)    
  print(AllFigs)    
}

wrap <- function(f,npages=20,fn="name.pdf") {
  pdf(fn, width = 6, height = 6) 
  for(i in 1:npages) {
    f()
  }
  dev.off()
  unlink(fn)
}

library("rbenchmark")
benchmark(wrap(gg_plot), wrap(para_plot), replications=10)

是的，我认为parallel 比正常速度快两倍。但是，我认为它仍然需要改进。

test replications elapsed relative user.self sys.self user.child sys.child
1   wrap(gg_plot)           10 620.109    1.937   611.018    5.125      0.000     0.000
2 wrap(para_plot)           10 320.081    1.000   138.696    5.475      0.349     1.931