R高性能编程

图书标准信息

• 作者 Aloysius Lim（阿洛伊修斯·利姆） 著；唐李洋 译
• 出版社 电子工业出版社
• 出版时间 2015-12
• 版次 1
• ISBN 9787121273964
• 定价 55.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 144页
• 字数 224千字

【内容简介】

　　本书对R语言做了简要描述，配以大量编程实践和代码样例，适合于想要提高R语言性能的程序员和开发者，对大量数据的处理、R语言的实际应用、基准测试均有指导意义。现代社会面对越来越庞大的数据和数据分析，R语言正是分析和处理大数据的有效方式，本书正是全面解析R语言的优秀书目。

【作者简介】

　　Aloysius Lim

　　擅长将复杂的数据和模型表述为简单易懂的见解。作为About People的联合创办者、数据科学家及设计顾问，他喜欢解决问题，以及帮助他人寻找利用数据解决业务难题的实践方案。在政府、教育和零售行业长达7年的丰富经验，造就了他寻找具有创造性的解决办法的独特视角。

衷心地感谢上帝给我机会撰写本书，让我分享这些知识。在这个过程中，我亲爱的妻子Bethany给予了极大的支持和鼓励。谢谢你全部的爱，亲爱的。非常感谢我的搭档William，他是我灵感和洞察力的来源。

　　William Tjhi 

　　数据科学家，在学术、政府及工业界具有多年的工作经验。他自读博期间开始了数据科学之旅，研究了一些新算法以提高高维数据聚类的健壮性。取得博士学位之后，他从基础研究转向了应用研究，致力于采用机器学习方法解决分子生物学和传染病学中的各种问题。他在一些同行评审的期刊和会议上发表了部分研究成果。随着大数据的兴起，William离开了学术界，转而投入工业界，开始了商业和公共部门领域的数据科学实践。　　　William热衷于R，从他搞研究的那天开始就一直使用R作为主要的分析工具。他曾经是Revolution Analytics的一员，那时候他做了很多使R更加适合大数据的贡献。

【目录】

前言X

1  理解R的性能：为什么R程序有时候很慢？1

计算性能的三个限制因素：CPU、RAM和磁盘I/O2

R是运行时解释的4

R是单线程的5

R需要将全部数据加载到内存5

算法设计影响时间和空间复杂度6

小结9

2  性能分析：衡量代码的性能11

衡量总运行时间11

使用system.time()衡量运行时间12

使用rbenchmark重复衡量运行时间13

使用microbenchmark衡量运行时间的分布15

分析运行时间16

使用Rprof()分析函数的性能16

性能分析的结果18

分析内存使用情况20

使用OS工具监控内存使用情况、CPU使用情况和磁盘I/O22

瓶颈的发现及解决23

小结26

3  加快R运行的简单方法27

向量化27

使用内置函数29

预分配内存30

使用更简单的数据结构33

使用哈希表进行大型数据上的频繁查找34

去CRAN寻找更快的包35

小结36

4  使用编译代码加快运行速度37

在运行之前编译R代码37

编译函数38

即时编译（JIT）R代码41

在R中使用编译语言41

前提条件42

以内联形式包含编译代码42

调用外部编译代码46

使用编译代码的注意事项49

小结52

5  使用GPU让R运行得更快53

GPU上的通用计算53

R和GPU54

安装gputools55

使用gputools实现快速统计建模55

小结59

6  减少内存使用的简单方法61

重用对象而不多占用内存61

删除不再需要的中间数据66

运行时计算值而不是永久性存储值69

交换活跃数据和非活跃数据71

小结71

7  使用有限的内存处理大型数据集73

使用节约内存的数据结构73

更小的数据类型76

稀疏矩阵77

对称矩阵78

比特向量79

使用内存映射文件并以块的形式处理数据80

bigmemory包81

ff包85

小结89

8  使用并行计算加倍提升性能91

数据并行性 v.s. 任务并行性91

实现数据并行的算法95

实现任务并行的算法98

集群节点运行同一个任务时98

集群节点运行多个不同任务时100

计算机集群并行执行多个任务102

共享内存并行性 v.s. 分布式内存并行性104

优化并行的性能108

小结109

9  将数据处理交给数据库系统111

将数据抽取到R v.s. 在数据库中处理数据111

在关系型数据库中使用SQL进行数据预处理112

将R表达式转化为SQL116

使用dplyr117

使用PivotalR119

在数据库中运行统计和机器学习算法122

使用列式数据库提升性能125

使用数据库阵列**化科学计算的性能128

小结129

10  R和大数据131

理解Hadoop131

在Amazon Web Services上配置Hadoop133

使用Hadoop批量处理大型数据集136

将数据上传到HDFS136

使用RHadoop分析HDFS数据138

R中的其他Hadoop包142

小结143