r - 快速分类的 sample ，可更换

基本上，我想做sort(sample(n, replace = TRUE))，n = 1e6和很多次(例如1e4次)。

有什么办法可以在R(cpp)中更快地做到这一点？

最佳答案

正如@Frank在评论中提到的，使用tabulate代替sort是有意义的。一旦使用了它，就应该考虑我的faster sampling methods软件包提供的dqrng了:

library(dqrng)
m <- 1e6
bm <- bench::mark(sort(sample.int(m, replace = TRUE)),
                  tabulate(sample.int(m, replace = TRUE)),
                  sort(dqsample.int(m, replace = TRUE)),
                  tabulate(dqsample.int(m, replace = TRUE)),
                  check = FALSE)
bm[, 1:4]
#> # A tibble: 4 x 4
#>   expression                                     min   median `itr/sec`
#>   <bch:expr>                                <bch:tm> <bch:tm>     <dbl>
#> 1 sort(sample.int(m, replace = TRUE))         72.3ms   75.5ms      13.2
#> 2 tabulate(sample.int(m, replace = TRUE))     22.8ms   27.7ms      34.6
#> 3 sort(dqsample.int(m, replace = TRUE))       59.5ms     64ms      15.3
#> 4 tabulate(dqsample.int(m, replace = TRUE))   14.4ms   16.3ms      57.0

由reprex package(v0.3.0)创建于2019-06-27

请注意，我仍在此计算机上使用R 3.5。使用R 3.6时，sample.int和dqsample.int之间的差异会更大。还要注意，不再需要dqrng的开发版本来获取快速采样方法。

也可以通过C++使用来自dqrng的RNG，但这与tabulate(dqsample.int(...))相比并没有太大区别:

#include <Rcpp.h>
// [[Rcpp::depends(dqrng, sitmo)]]
#include <dqrng_generator.h>
#include <convert_seed.h>
#include <R_randgen.h>
// [[Rcpp::plugins(cpp11)]]

// [[Rcpp::export]]
Rcpp::IntegerVector sort_sample(uint32_t n) {
    Rcpp::IntegerVector seed(2, dqrng::R_random_int);
    auto rng = dqrng::generator(dqrng::convert_seed<uint64_t>(seed));
    Rcpp::IntegerVector tab(n);
    for (uint32_t i = 0; i < n; i++) {
        uint32_t k = (*rng)(n);
        tab[k]++;
    }
    return tab;
}