Rcpp 上的相等逻辑运算符比 base R 慢 8 倍

Question

看下面简单的代码和操作：

    library(Rcpp)
    library(microbenchmark)

    set.seed(100)
    x <- sample(0:1, 1000000, replace = TRUE)
    y <- sample(0:1, 1000000, replace = TRUE)
    
    cppFunction('LogicalVector is_equal_c(NumericVector x, NumericVector y) {
      return x == y;
    }')
    is_equal_R <- function(x, y) {
      return(x==y)
    }
    mbm <- microbenchmark(c = is_equal_c(x,y),
                          R = is_equal_R(x,y)
    )
    mbm

执行速度表现如下：

Unit: milliseconds
 expr    min     lq      mean  median       uq      max neval cld
    c 6.4132 6.6896 10.961774 11.2421 12.63245 102.5480   100   b
    R 1.2555 1.2994  1.766561  1.3327  1.38220   9.0022   100  a

简单的 R 相等运算符比 Rcpp 快 8 倍。为什么会这样，是否有办法使 Rcpp 代码至少与 R 简单向量相等运算符一样快？

Answer 1

不，不是。

只是因为它需要将您的整数向量复制到数值向量。尝试 + 0.

library(Rcpp)
library(microbenchmark)

set.seed(100)
x <- sample(0:1, 1000000, replace = TRUE) + 0
y <- sample(0:1, 1000000, replace = TRUE) + 0
typeof(x)

cppFunction('LogicalVector is_equal_c(NumericVector x, NumericVector y) {
  return x == y;
}')
is_equal_R <- function(x, y) {
  return(x==y)
}
mbm <- microbenchmark(c = is_equal_c(x,y),
                      R = is_equal_R(x,y)
)
mbm

Unit: milliseconds
 expr    min     lq     mean  median      uq     max neval
    c 4.2476 4.3730 5.451743 4.60745 5.00635 12.3636   100
    R 3.0767 3.1513 4.242035 3.25965 3.71425 14.5210   100

Answer 2

正如弗洛里安已经暗示的那样，错误是你的错误，因为你将昂贵的副本从 int 强行复制到 numeric:

> class(1:3)
[1] "integer"
> class(1:3 + 0)   # Florian's conversion
[1] "numeric"
>

因为整数值实际上 'lighter' 而不是数值（在 32 位和 64 位），我们不妨坚持使用整数 并相应地修改您的 C++ 函数签名 。

在我的电脑上，C++ 打败了 R，但两者都是虚拟代码，正如您在 R 中已经矢量化的实现中所期望的那样。

修改代码

现在作为嵌入了 R 代码的 C++ 文件

#include <Rcpp.h>

// [[Rcpp::export]]
Rcpp::LogicalVector is_equal_c(Rcpp::IntegerVector x, Rcpp::IntegerVector y) {
  return x == y;
}

/*** R
library(microbenchmark)

set.seed(100)
x <- sample(0:1, 1000000, replace = TRUE)
y <- sample(0:1, 1000000, replace = TRUE)

is_equal_R <- function(x, y) {
  return(x==y)
}
mbm <- microbenchmark(c = is_equal_c(x,y),
                      R = is_equal_R(x,y))
mbm
*/

输出

> Rcpp::sourceCpp("answer.cpp")

> library(microbenchmark)

> set.seed(100)

> x <- sample(0:1, 1000000, replace = TRUE)

> y <- sample(0:1, 1000000, replace = TRUE)

> is_equal_R <- function(x, y) {
+ > return(x==y)
+ > 
}

> mbm <- microbenchmark(c = is_equal_c(x,y),
+ >                     R = is_equal_R(x,y))

> mbm
Unit: milliseconds
 expr     min      lq    mean  median      uq      max neval cld
    c 1.77923 1.82570 2.06075 1.87093 1.93911  4.31854   100   a
    R 1.20529 2.03077 2.23089 2.06222 2.11870 10.89118   100   a
>

所以总而言之，您的结果是令人头疼的结果之一，有人说“这不可能是真的......”，这些都是非常好的学习经历:)

Rcpp 上的相等逻辑运算符比 base R 慢 8 倍

The equality logcial operator on Rcpp is 8 times slower than on base R

r

rcpp

修改代码

输出