7.-颜林林-R高级编程技巧及Rcpp的介绍

R高级编程技巧及Rcpp的介绍颜林林北京大学生物信息中心2011年5月28日R语言的特点FREE：开源、免费、自由、灵活a-available.packages(contrib.url())nrow(a)截至2011年5月28日，CRAN上总计可用软件包数：3008遵守各种不同开源协议：R语言的特点GPLGPL-2GPL-3LGPL...185768013165...FREE：开源、免费、自由、灵活sort(table(gsub(.*,,a[,License])),decreasing=T)高校、科研机构、企事业单位……金融、通讯、医药、生物、环境……R语言的广泛运用COS论坛创办于2006年5月19日截至2011年5月28日：整个论坛：主题：16,000+；回复：109,000+“S-Plus&R语言”版：主题：4,000+；回复：27,000+学习R的一个捷径：在COS上回帖！论坛中一些常见关于R的问题如何画XX图？如何实现XX功能？安装时遇到XX问题如何解决？如何提高R程序的运行效率？……《153分钟学会R》正题：如何让R飞起来R高级编程技巧向量运算软件包的使用Rcpp的介绍结合不同语言的优势拓展R的运用范围向量运算“是一种习惯”循环的思维方式：for(pin参加R大会的人){发资料给p;发胸牌给p;发……给p;}生活中的思维方式：发资料、胸牌等给参加R大会的人能用更少的话说清楚，就别罗嗦！a-1:100a*2sin(a)R是一门解释型语言a-1:100#向量运算b-sin(a)#循环b-vector()for(iinseq_along(a)){b[i]-sin(a[i])}R是一门解释型语言system.time(replicate(10000,b-sin(a)))usersystemelapsed0.440.100.59b-vector()system.time(replicate(10000,for(iinseq_along(a)){b[i]-sin(a[i])}))usersystemelapsed6.150.026.44把苦力活交给底层，尽量避免使用循环！如何掌握好向量运算R语言基本数据类型vector,matrix,array,data.frame,list,...元素的提取方法a[1:3],a[-2],a[a3],a[c(x,y)],...数据类型之间的互相转换as.matrix(),as.vector(),as.character(),...apply系列函数apply(),sapply(),lapply(),tapply(),...其他各种函数sum(),mean(),cumsum(),combn(),...R语言元素类型整数（integer）实数（numeric,double）复数（complex）字符（character）逻辑（logical）原始数据（raw）因子（factor）1:10c(1.1,3.14,10)c(1+i,3-2i)c(a,b,COS)c(TRUE,FALSE)as.raw(48)as.factor(letter[1:3])R语言基本数据类型向量（vector）列表（list）矩阵（matrix）数组（array）数据框（data.frame）R语言基本数据类型向量（vector）列表（list）矩阵（matrix）数组（array）数据框（data.frame）一维，同类型元素一维，不同类型元素二维，同类型元素二维或多维，同类型元素二维，每列元素同类型学习R函数时应注意apply系列函数apply操作矩阵或数组，返回数组、矩阵或向量lapply操作向量或列表，返回列表sapply操作向量或列表，返回向量或矩阵tapply操作向量，根据因子分组，返回向量mapply操作多个向量，返回列表vapply与sapply同，操作列表，返回向量或列表rapply与lapply类似，操作向量与列表，返回向量函数apply(m-matrix(1:8,2,4))[,1][,2][,3][,4][1,]1357[2,]2468apply(m,1,sum)#相当于rowSums(m)[1]1620apply(m,2,sum)#相当于colSums(m)[1]371115apply(m,1:2,function(x)x/2)[,1][,2][,3][,4][1,]0.51.52.53.5[2,]1.02.03.04.0函数lapply和sapply(l-list(a=1:5,b=6:10))$a[1]12345$b[1]678910lapply(l,sum)#返回列表$a[1]15$b[1]40sapply(l,sum)#返回向量ab1540函数sapply和vapply(X-sapply(3:5,seq))[[1]][1]123[[2]][1]1234[[3]][1]12345sapply(X,fivenum)[,1][,2][,3][1,]1.01.01[2,]1.51.52[3,]2.02.53[4,]2.53.54[5,]3.04.05函数sapply和vapply(v-c(Min.=0,1stQu.=0,Median=0,3rdQu.=0,Max.=0))Min.1stQu.Median3rdQu.Max.00000vapply(X,fivenum,v)[,1][,2][,3]Min.1.01.011stQu.1.51.52Median2.02.533rdQu.2.53.54Max.3.04.05函数tapply(d-data.frame(name=c(Alice,Bob,Kate,Jim),age=c(20,25,28,24),gender=c(Female,Male,Female,Male)))nameagegender1Alice20Female2Bob25Male3Kate28Female4Jim24Malec(class(d),class(d$age),class(d$gender))[1]data.framenumericfactortapply(d$age,d$gender,mean)FemaleMale24.024.5函数mapplymapply(function(x,y)seq_len(x)+y,c(a=1,b=2,c=3),#namesfromfirstc(A=10,B=0,C=-10))$a[1]11$b[1]12$c[1]-9-8-7函数rapply(X-list(list(a=pi,b=list(c=1:1)),d=atest))[[1]][[1]]$a[1]3.141593[[1]]$b[[1]]$b$c[1]1$d[1]atestrapply(X,function(x)x)ab.cd3.141592653589791atest举例：求DNA互补链DNA由A、C、T、G组成DNA两条链方向相反成对碱基，A与T配对，C与G配对已知其中一条为“ACTGAAGTGC”求另一条序列举例：求DNA互补链#方法一：循环revcom1-function(DNA){result-''for(iinnchar(DNA):1){n-substr(DNA,i,i)if(n=='A')result-paste(result,'T',sep='')if(n=='T')result-paste(result,'A',sep='')if(n=='C')result-paste(result,'G',sep='')if(n=='G')result-paste(result,'C',sep='')}result}举例：求DNA互补链#方法二：*apply()revcom2-function(DNA){s-strsplit(DNA,'')[[1]]s-sapply(s,function(x){if(x=='A')return('T')if(x=='T')return('A')if(x=='G')return('C')if(x=='C')return('G')})paste(rev(s),collapse='')}#方法三：names()revcom3-function(DNA){tr-c('A','C','G','T')names(tr)-rev(tr)paste(tr[rev(strsplit(DNA,'')[[1]])],collapse='')}trTGCAACGT举例：求DNA互补链方法比较library(rbenchmark)benchmark(revcom1(DNA),revcom2(DNA),revcom3(DNA),columns=c(test,replications,elapsed,relative),order=relative,replications=1000)testreplicationselapsedrelative3revcom3(DNA)10000.1631.0000002revcom2(DNA)10000.5973.6625771revcom1(DNA)10000.6243.828221R的灵活性R是什么语言写成的？C/C++、Fortran、RR的外部扩展WritingRExtensionsR与各种语言R+bash/RscriptRDCOMrJavarpy,rpy2EmbededRserve、RAPI、RcppR与C++R（解释型语言）无需编译不需要其它文件弱类型语言灵活性好运行速度较慢其他特性向量运算大量统计和绘图函数C++（编译型语言）需要事先编译需要头文件和库文件强类型语言灵活性相对较差运行速度快其他特性面向对象模板与泛型编程从C到C++字符串、数组等类型内存的管理模板和泛型编程STL(StandardTemplateLibrary)Rcpp相关历史RQuantLibRcppTemplateRservercppbind/RAbstraction/RObjects/CXXRRAPIRcpp/RInside/RProtoBufRcpp的运用在R中调用C++模块（Rcpp）用C++实现计算功能通过C++调用其他软件库在C++中使用R（RInside）向量运算（STL）使用R的统计函数使用R的绘图函数举例：Rcpp和inline带来的速度f-function(n,x=1)for(iin1:n)x=1/(1+x)g-function(n,x=1)for(iin1:n)x=(1/(1+x))h-function(n,x=1)for(iin1:n)x=(1+x)^(-1)j-function(n,x=1)for(iin1:n)x={1/{1+x}}k-function(n,x=1)for(iin1:n)x=1/{1+x}library(rbenchmark)N-1e5benchmark(f(N,1),g(N,1),h(N,1),j(N,1),k(N,1),columns=c(test,replications,elapsed,relative),order=relative,replications=10)举例：Rcpp和inline带来的速度f-function(n,x=1)for(iin1:n)x=1/(1+x)g-function(n,x=1)for(iin1:n)x=(1/(1+x))h-function(n,x=1)for(iin1:n)x=(1+x)^(-1)j-function(n,x=1)for(iin1:n)x={1/{1