1. R語言運行效率分析_小結（3）

小結（3）

以上用到了9個方法實現一個問題，在實現的過程當中試驗數據量爲n=10。獲得不一樣方法所用的平均耗時間大小。每種方法在計算平均耗時的重複次數爲N =100。固然上述的每一個方法測試的數據量儘管相同，但因爲（1）數據內容不盡相同，（2）因爲測試耗時的時候後臺打開的程序多少不一樣（CPU和內存任務量不一樣），（3）每種方法所處理的內容不盡相同。這些都對所測試的結果產生影響。爲此，爲了減少這些影響，本節主要經過 增長數據量大小（n）（也能夠增長重複次數（N ），本例沒加以討論） 來估測每種方法的優劣。另外，爲了具備可比性，如下統計結果均爲處理單個數據所消耗的時間。時間單位爲微秒（microsecond）

根據上述9個函數，

#根據上述數據生成圖
library(tidyverse)
data<-read.csv("/home/xh/300G/筆記/R/10~1000.csv")
data<-gather(data,type,mean,-c("fun","n","N"))
head(data)

fun  n   N  type       mean
1      for_if 10 100 Month   1.167005
2 for_if_else 10 100 Month   0.918378
3  for_ifelse 10 100 Month  16.727339
4  for_switch 10 100 Month   1.713591
5       which 10 100 Month   5.705561
6        join 10 100 Month 183.532495

ggplot(data,aes(n,mean,color=fun))+
  geom_point()+
  facet_wrap(~type)+
  theme(axis.text.x   = element_text(angle=90))+
  scale_x_continuous(name="length of vector")+
  scale_y_continuous(name="time")

從上圖能夠看出，隨着數據量的增長，處理每一個數據所需的平均時間均呈減小趨勢。先不說ddply的並行運算，其它8個函數均在數據量小於250的時候，隨着數據量的增長，處理每一個數據平均時間急速減小；當數據量大於250時，隨着數據量的增長，處理每一個數據平均時間減小趨勢逐漸放緩。

咱們進一步分析數據量大於250的情形：

ggplot(data[which(data$fun!="ddply_parallel"),],aes(n,mean,color=fun))+
  geom_point()+
  facet_wrap(~type)+
  theme(axis.text.x   = element_text(angle=90))+
  scale_x_continuous(name="length of vector",limits=c(250,1000))+
  scale_y_continuous(name="time",limits=c(0,80))

從上圖能夠看出，隨着數據量的增長，每一個數據不一樣方法的平均運算時間都在減小，但減速不一樣，在數據量400<n<700時，處理每一個數據所需平均時間ddply最大，接下來是for_ifelse、str_replace和join，其他的幾個函數所用時較小。另外一方面 ，儘管ddply等用時較長，但隨着數據量的增多，所需時長遞減速較大。

整體來講，ddply>[for_ifelse,str_replace,for_switch]>[which,join]

爲此，咱們下一節主要討論當數據量足夠大時，這幾個函數處理數據的平均 時長是何種規律。

(未完！待續……)