Rコードのベンチマーク

Rコードのベンチマーク手法

Transcript

1. Rコードのベンチマーク
   Tokyo.R #102
   2022/10/22
   LT
   @bob3bob3
   

   View Slide

2. Rコードの実行時間を計る
   ● Rの中級者になり、コードのいろいろな書き方が身についてくると「どんな書
   き方をすると処理の効率がいいんだろう？」という疑問が湧いてくることが
   あります。

   ● 今回はRの実行時間を計る以下の三つの方法をお話しします。

   ○ base::system.time()

   ○ tictocパッケージ

   ○ microbenchmarkパッケージ

   

   View Slide

3. 準備
   ● nycflights13のデータを使い、「月、
   飛行機会社、出発地、目的地毎に
   件数、飛行時間の平均値、中央
   値、標準偏差を算出する」処理を
   dplyr、dtplyr、data.tableで書き、そ
   れぞれの実行速度を計る。

   ● デモデータは約33万行。
   # ライブラリ
   library(tidyverse)
   library(dtplyr)
   library(data.table)
   library(nycflights13)
   # デモデータ
   dat <- flights |>
   left_join(planes, by = "tailnum")
   

   View Slide

4. 準備：各処理の関数化
   # dplyrでの処理を関数化
   f_dplyr <- function(){
   dat |>
   group_by(month, carrier, origin, dest) |>
   summarise(
   件数 = n(),
   平均 = mean(air_time, na.rm = TRUE),
   中央値 = median(air_time, na.rm = TRUE),
   .groups = "drop"
   )
   }
   # dtplyrでの処理を関数化
   f_dtplyr <- function(){
   dat |>
   lazy_dt() |>
   group_by(month, carrier, origin, dest) |>
   summarise(
   件数 = n(),
   平均 = mean(air_time, na.rm = TRUE),
   中央値 = median(air_time, na.rm = TRUE),
   .groups = "drop"
   ) |>
   as_tibble()
   }
   

   View Slide

5. 準備：各処理の関数化
   # data.tableでの処理を関数化
   f_data.table <- function(){
   dt <- dat |>
   data.table(
   key=c("month", "carrier", "origin", "dest")
   )
   dt[
   ,
   .(
   件数 = .N,
   平均 = air_time |> mean(na.rm = TRUE),
   中央値 = air_time |> median(na.rm = TRUE)
   ),
   by = list(month, carrier, origin, dest)
   ] |>
   as_tibble()
   }
   

   View Slide

6. base::system.time()
   system.time()の第一引数に測定したい
   処理を入れるだけ。

   

   View Slide

7. tictocパッケージ
   # tic()とtoc()で測定したい処理を挟む
   library(tictoc)
   tic()
   f_dplyr()
   toc()
   tic()
   f_dtplyr()
   toc()
   tic()
   f_data.table()
   toc()
   

   View Slide

8. microbenchmarkパッケージ (1/3)
   ● 複数の処理を一度に測定できる。 

   ● 同じ処理を複数回試行して測定できる。 

   ● 結果を可視化できる。 

   library(microbenchmark)
   res_micro <- microbenchmark(
   "dplyr"= f_dplyr(),
   "dtplyr" = f_dtplyr(),
   "data.table" = f_data.table(),
   times = 30
   )
   

   View Slide

9. microbenchmarkパッケージ (2/3)
   

   View Slide

10. microbenchmarkパッケージ (3/3)
    # 測定結果の可視化
    res_micro |>
    autoplot()
    # 素のdata.tableよりdtplyrの方が速いのは
    # どこか書き方が悪いのだろうか？
    

    View Slide

11. Enjoy!
    

    View Slide