Skip to content 
使用
使用
使用
使用
使用
此页内容
software
计算R代码运行的时间
使用 Sys.time
可以根据程序运行起始和终止的时间差计算运行时间
sleep_for_a_minute <- function() { Sys.sleep(10) }
start_time <- Sys.time()
sleep_for_a_minute()
end_time <- Sys.time()
end_time - start_time
## Time difference of 10.15231 secs使用 tictoc
tictoc包中的 tic和 toc函数和 Sys.time函数的使用方法是类似的。但是 tictoc提供了更加方便的使用形式，便于操作。
- 可以对单个代码块的运行时间进行测试
library(tictoc)
tic("sleeping")
print("falling asleep...")
sleep_for_a_minute()
print("...waking up")
toc()
## [1] "falling asleep..."
## [1] "...waking up"
## sleeping: 10.19 sec elapsed- 也可以同时对多段代码进行测试
tic("total")
tic("data generation")
X <- matrix(rnorm(50000*1000), 50000, 1000)
b <- sample(1:1000, 1000)
y <- runif(1) + X %*% b + rnorm(50000)
toc()
tic("model fitting")
model <- lm(y ~ X)
toc()
toc()
## data generation: 3.83 sec elapsed
## model fitting: 46.69 sec elapsed
## total: 50.52 sec elapsed使用 system.time
使用 system.time函数直接包裹运行代码测试运行时间，简单快捷
system.time({ sleep_for_a_minute() })
## user system elapsed
## 0.00 0.00 10.14其中的 elapsed表示运行代码真正花费的时间
使用 rbenchmark
rbenchmark是基于 system.time的封装，提供了高效的用法进行专业的代码测试与比较
library(rbenchmark)
benchmark("lm" = {
X <- matrix(rnorm(1000), 100, 10)
y <- X %*% sample(1:10, 10) + rnorm(100)
b <- lm(y ~ X + 0)$coef
},
"pseudoinverse" = {
X <- matrix(rnorm(1000), 100, 10)
y <- X %*% sample(1:10, 10) + rnorm(100)
b <- solve(t(X) %*% X) %*% t(X) %*% y
},
"linear system" = {
X <- matrix(rnorm(1000), 100, 10)
y <- X %*% sample(1:10, 10) + rnorm(100)
b <- solve(t(X) %*% X, t(X) %*% y)
},
replications = 1000,
columns = c("test", "replications", "elapsed",
"relative", "user.self", "sys.self"))
## test replications elapsed relative user.self sys.self
## 3 linear system 1000 0.14 1.000 0.14 0
## 1 lm 1000 1.17 8.357 1.18 0
## 2 pseudoinverse 1000 0.19 1.357 0.19 0结果中的 elapsed、user.self、sys.self与 system.time函数结果中表示的意义相同，relative表示函数运行的时间利用率
使用 microbenchmark
microbenchmark和 rbenchmark一样，可以用来比较多个代码之间的运行速率，而 microbenchmark提供了更加人性化的绘图功能可以直观的比较运行时间的差异。
library(microbenchmark)
set.seed(2017)
n <- 10000
p <- 100
X <- matrix(rnorm(n*p), n, p)
y <- X %*% rnorm(p) + rnorm(100)
check_for_equal_coefs <- function(values) {
tol <- 1e-12
max_error <- max(c(abs(values[[1]] - values[[2]]),
abs(values[[2]] - values[[3]]),
abs(values[[1]] - values[[3]])))
max_error < tol
}
mbm <- microbenchmark("lm" = { b <- lm(y ~ X + 0)$coef },
"pseudoinverse" = {
b <- solve(t(X) %*% X) %*% t(X) %*% y
},
"linear system" = {
b <- solve(t(X) %*% X, t(X) %*% y)
},
check = check_for_equal_coefs)
mbm
## Unit: milliseconds
## expr min lq mean median uq max neval cld
## lm 101.7592 114.4618 127.4006 122.7064 129.7980 430.7439 100 b
## pseudoinverse 173.2464 189.6997 201.1508 195.0444 207.6843 269.1587 100 c
## linear system 97.0324 106.8963 113.9581 112.2040 117.1509 193.9128 100 alibrary(ggplot2)
autoplot(mbm)