1. R语言运行效率分析(9)

方法9: 采用 ddply(.parallel=TURE) 语句

并行原理参见:http://blog.sina.com.cn/s/blog_56a69a2f01016v0t.htmlhttp://www.dataguru.cn/article-1320-1.html

1: 自定义函数

library(doSNOW)
library(parallel)
cl<-makeCluster(detectCores(),type="SOCK")
registerDoSNOW(cl)
Month_name_ddplyparallel<-function(month){
  Month<-as.data.frame(month)
  Month$ID<-1:nrow(Month)
  df<-ddply(Month,.(month),function(x){mutate(x,month_name=month.abb[month])},.parallel = TRUE)
  Month_name<-arrange(df,ID)
  return(Month_name[,-2])
}
Season_name_ddplyparallel<-function(month){
  Month<-as.data.frame(month)
  Month$ID<-1:nrow(Month)
  df<-ddply(Month,.(month),function(x){mutate(x,season_name=c("Winter","Winter","Spring","Spring","Spring","Summer","Summer","Summer","Autumn","Autumn","Autumn","Winter")[month])},.parallel = TRUE)
  Season_name<-arrange(df,ID)
  return(Season_name[,-2])
  
}
result_ddplyparallel<-function(month){
  Month_name_ddply<-Month_name_ddplyparallel(month)# months' names
  Season_name_ddply<-Season_name_ddplyparallel(month) #seasons' names
  df<-data.frame(month,Month_name_ddply,Season_name_ddply)
  return(df)
}

2: 调用函数进行运算

month<-month_digital(10)
microbenchmark::microbenchmark(Month_name_ddplyparallel(month))
microbenchmark::microbenchmark(Season_name_ddplyparallel(month))
microbenchmark::microbenchmark(result_ddplyparallel(month))
stopCluster(cl)
Unit: milliseconds
                             expr     min       lq     mean   median       uq
 Month_name_ddply_parallel(month) 66.1074 68.91359 74.41605 70.73363 72.93879
      max neval
 383.1782   100
 Unit: milliseconds
                              expr     min       lq     mean  median       uq
 Season_name_ddply_parallel(month) 65.4496 69.39933 72.99754 70.6757 72.52028
      max neval
 230.9006   100
 Unit: milliseconds
                         expr      min       lq     mean   median       uq
 result_ddply_parallel(month) 16.89091 16.99847 19.39038 17.14702 17.72282
      max neval
 51.13598   100

(未完!待续……)

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 200,612评论 5 471
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,345评论 2 377
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 147,625评论 0 332
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,022评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 62,974评论 5 360
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,227评论 1 277
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,688评论 3 392
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,358评论 0 255
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,490评论 1 294
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,402评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,446评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,126评论 3 315
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,721评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,802评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,013评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,504评论 2 346
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,080评论 2 341