我将内置 R 函数 rnorm、qnorm 和 pnorm 的性能与等效的 Matlab 函数进行了比较。
似乎rnorm 和 pnorm 函数在 R 中比在 Matlab 中慢 3-6 倍，而 qnorm 函数是 ca。在 R 中快 40%。我尝试使用 Rcpp 包通过使用相应的 C 库来加速 R 函数，这导致运行时间减少了约 30%，这仍然比 rnorm 和 pnorm 的 Matlab 慢得多。
是否有可用的包提供更快的方法来模拟 R 中的正态分布随机变量（除了使用标准的 rnorm 函数）？
【问题讨论】：
rnorm(1e6)比vapply(seq(1e6),function(i) rnorm(1),numeric(1))快得多
标签： performance r matlab runtime rcpp
我在这里看到两个不同的问题，每个段落都有一个：
是的，R 和 Matlab 等语言/系统之间存在差异。部分原因与解释器、循环速度、函数调用速度等有关。Rcpp 可以在具有真正 JIT 编译器的 Matlab 方面提供帮助。在最近关于 RcppArmadillo 的论文中，我们对卡尔曼滤波器的 Matlab、R 和 R+Rcpp 进行了比较。
底层编译代码也存在差异，是的，R 并不总是具有更快的实现，因为 R Core（恕我直言）首先追求精度。 （而且 Rcpp 本身并没有帮助：我们只是在内部调用 R 的内容。）这已经出现了，例如 Darren Wilkinson 开始的 MCMC 的 Gibbs Sampler 示例。我注意到 R 的 rgamma() 比其他系统慢得多。因此，要以更快的方式解决您关于 N(0,1) 绘制的问题：我认为我们需要一个贡献的 Ziggurat 实现。这是目前速度更快的 N(0,1) 生成器之一，其他一些系统也在使用它。
【讨论】：
library("sos"); findFn("Ziggurat") 找到了finzi.psych.upenn.edu/R/library/SuppDists/html/ziggurat.html，它表示“在 R 中运行的这个实现大约是 rnorm() 的三倍。”
将我的评论推广到一个答案：是的，有。
library("sos"); findFn("Ziggurat") 在SuppDists 包中找到rziggurat 函数；它是用 C（或 C++？）实现的，它的文档说
在 R 中运行的这个实现大约是 3 倍 和 rnorm() 一样快。
要注意的另一点，可能在实践中产生或多或多的不同，是在 R 中选择大块随机数比一个接一个地选择它们要快得多......即rnorm(1e6) 很多比vapply(seq(1e6),function(i) rnorm(1),numeric(1))快
library("SuppDists")
library("rbenchmark")
n <- 1e5
benchmark(rziggurat(n),
rnorm(n),
vapply(seq(n),function(x) rnorm(1),numeric(1)))
## test elapsed relative user.self
## 2 rnorm(n) 1.138 13.233 1.140
## 1 rziggurat(n) 0.086 1.000 0.088
## 3 vapply(...) 29.043 337.709 29.046
【讨论】：