R中算乘法比加法快?

easttiger

<br />
t1<-proc.time();for(i in 1:1e7){-2.4+3.56;};t1<-proc.time()-t1;<br />
> t1<br />
   user  system elapsed<br />
   8.86    0.10    9.11<br />
t1<-proc.time();for(i in 1:1e7){-2.4*3.56;};t1<-proc.time()-t1;<br />
> t1<br />
   user  system elapsed<br />
   8.99    0.02    9.01<br />

<br />
cmul<-<br />
function(x){<br />
  t1 <- x[1]*x[3];<br />
  t2 <- x[2]*x[4];<br />
  return(c(t1-t2,(x[1]+x[2])*(x[3]+x[4])-t1-t2));<br />
}<br />
cmul0<-<br />
function(x){<br />
  return(c(x[1]*x[3]-x[2]*x[4],x[2]*x[3]+x[1]*x[4]));<br />
}<br />
y=matrix(runif(4e6,-100,100),ncol=4)<br />
t1=proc.time();<br />
for(i in 1:4e5)cmul(y[i,]);<br />
t1=proc.time()-t1;<br />
t2=proc.time();<br />
for(i in 1:4e5)cmul0(y[i,]);<br />
t2=proc.time()-t2;<br />
> t1<br />
   user  system elapsed<br />
   4.31    0.00    4.34<br />
> t2<br />
   user  system elapsed<br />
   3.38    0.02    3.42<br />

</p>

Ihavenothing

R里面很多运算的速度都很诡异，比如

http://yihui.name/cn/2010/09/r-2-12-0-releases-on-october-15/

和

http://yihui.name/cn/2008/12/speed-of-computing-square-root/。

nan.xiao

以后会出现R2exe这样的神器么 .. py2exe都出现那么多年了 ..

Ihavenothing

回复第3楼的 nan.xiao：

py2exe的原理是把Python解释器封装到程序中，还是真的在二进制代码的层面进行翻译？如果是前者的话其实R也是有可能的。[s:17]

nan.xiao

回复第4楼的 Ihavenothing：嗯果然心思细密如果是这样我想我要说的是Shed Skin [s:18]

感觉后者对R也不是完全没可能吧记得谢大贴过一个Rllvm 点过去好像看到了一个牛人写的'compiler'包不知这方面最近进展如何了?

easttiger

我觉得这与赋值操作在R中不够有效有关，在深一层可能这与R在语言结构上更接近lisp有关系

<br />
> system.time(for(i in 1:1e7)3.1*5.3)<br />
   user  system elapsed<br />
   4.48    0.03    4.54<br />
> system.time(for(i in 1:1e7)x<-3.1*5.3)<br />
   user  system elapsed<br />
   6.29    0.00    6.31<br />
> 6.29/4.48<br />
[1] 1.404018<br />

</p>

easttiger

More profiling:

1) 取负号比作减法慢

<br />
> system.time(for(i in 1:1e7)1)<br />
   user  system elapsed<br />
   0.91    0.04    0.95<br />
> system.time(for(i in 1:1e7)-1)<br />
   user  system elapsed<br />
   3.73    0.04    3.79<br />
> system.time(for(i in 1:1e7)-1+1)<br />
   user  system elapsed<br />
   7.31    0.01    7.41<br />
> system.time(for(i in 1:1e7)1-1)<br />
   user  system elapsed<br />
   4.26    0.02    4.32<br />

2) 加减乘除几乎一样速度

<br />
> system.time(for(i in 1:1e7)1.5*3.07)<br />
   user  system elapsed<br />
   4.23    0.05    4.31<br />
> system.time(for(i in 1:1e7)1.5+3.07)<br />
   user  system elapsed<br />
   4.27    0.02    4.32<br />
> system.time(for(i in 1:1e7)1.5/3.07)<br />
   user  system elapsed<br />
   4.26    0.01    4.30<br />
> system.time(for(i in 1:1e7)1.5-3.07)<br />
   user  system elapsed<br />
   4.20    0.03    4.26<br />
> system.time(for(i in 1:1e7)3.07-1.5)<br />
   user  system elapsed<br />
   4.21    0.02    4.26<br />

3) 一次赋值运算耗时差不多是一次乘法运算耗时的一半

<br />
> system.time(for(i in 1:1e7)3.1*5.3)<br />
   user  system elapsed<br />
   4.48    0.03    4.54<br />
> system.time(for(i in 1:1e7)x<-3.1*5.3)<br />
   user  system elapsed<br />
   6.29    0.00    6.31<br />
> 6.29/4.48<br />
[1] 1.404018<br />

4)赋值函数x<-耗时相当于纯粹memory allocation耗时的3倍

<br />
> system.time(for(i in 1:1e7)x<-1.5)<br />
   user  system elapsed<br />
   2.48    0.01    2.51<br />
> system.time(for(i in 1:1e7)1.5)<br />
   user  system elapsed<br />
   0.87    0.03    0.93<br />
> 2.48/0.81<br />
[1] 3.061728<br />

</p>