为什么 range() 函数比 min 和 max 的组合慢？

Question

我发现了 R 的 range 函数。它无疑是一个有用的工具，可以使代码更具可读性，但是通过用包括 min 和 max.

的简单单行代码替换它可以使它的速度加倍

我做了一些基准测试，范围函数的 'bad' 性能让我感到惊讶。为了比较，我编写了一个名为 range2 的函数，它使用 min 和 max（见代码）。除了速度之外，如果一个简单的单行代码可以胜过这个功能，还有什么理由存在这个功能，这也很容易阅读？

require(microbenchmark)

range2 <- function(x) c(min(x),max(x))  

n <- 1000000
x <- rnorm(n)
microbenchmark(range(x), range2(x))
#Unit: milliseconds
#  expr      min       lq     mean   median       uq     max neval cld
# range(x) 4.696101 4.734751 5.321603 4.796301 4.814751 23.0646   100   b
#range2(x) 2.477602 2.516101 2.542540 2.535051 2.544052  3.7636   100  a 

n <- 10000000
x <- rnorm(n)
microbenchmark(range(x), range2(x))
# Unit: milliseconds
#  expr     min      lq     mean   median       uq      max neval cld
# range(x) 47.3246 47.9498 58.27992 55.25795 61.98205 146.5100   100   b
#range2(x) 24.7063 25.5021 25.59192 25.55245 25.63515  27.1088   100  a

可以肯定的是，这不是第一个想要摆脱的瓶颈，因为我们讨论的是具有 10,000,000 个条目的向量上的毫秒数，但我预计 range 会更快。我的简单直觉是：

range 遍历数据一次并同时搜索最小值和最大值，而我的 range2 函数遍历数据两次：一次查找最小值和一次找到最大值。

也许有人可以提供一些有关实施的背景信息。也许原因是 min 和 max 是用 C 实现的，而 range 不是？

补充：我已经和我的一个朋友谈过这个问题，他只是通过以下方式在 C++ 中实现了这个函数，从而使它更快：

#include <Rcpp.h>
#include <float.h>
using namespace Rcpp;
// [[Rcpp::export]]
NumericVector range3(NumericVector x) {
  int xs = x.size();
  double minValue = FLT_MAX;
  double maxValue = FLT_MIN;
  for (int i =0; i < xs; i++) {
    if (x[i] < minValue) minValue = x[i];
    if (x[i] > maxValue) maxValue = x[i];
  }
  Rcpp::NumericVector result(2);
  result[0] = minValue;
  result[1] = maxValue;
  return result;
}

这给出了以下基准：

n <- 10000000
x <- rnorm(n)
microbenchmark(range(x), range2(x) ,range3(x))
#Unit: milliseconds
#      expr     min       lq     mean  median       uq      max neval cld
#  range(x) 47.8583 48.30355 58.12575 55.3135 62.10295 149.9648   100   c
# range2(x) 24.8211 25.53615 25.90920 25.6176 25.79175  42.4659   100  b 
# range3(x) 13.2458 13.30385 13.47175 13.3797 13.65410  14.3487   100 a

Answer 1

这是 range.default (运行 R 3.6.1)

的来源

 > range.default
function (..., na.rm = FALSE, finite = FALSE) 
{
    x <- c(..., recursive = TRUE)
    if (is.numeric(x)) {
        if (finite) 
            x <- x[is.finite(x)]
        else if (na.rm) 
            x <- x[!is.na(x)]
        c(min(x), max(x))
    }
    else {
        if (finite) 
            na.rm <- TRUE
        c(min(x, na.rm = na.rm), max(x, na.rm = na.rm))
    }
}

您可以看到它在调用 c(min(x), max(x)) 之前做了一些额外的检查。它没有针对速度进行优化。这只是一个用户友好的功能。这些毫秒差异似乎不太可能成为性能瓶颈的根源。

为什么 range() 函数比 min 和 max 的组合慢？

Why is the range() function slower than a combination of min and max?

performance

r

range

max

min