在R中测量功能执行时间

281

R中测量功能执行时间的方法是否标准化？

显然，我可以system.time在执行之前和执行之后进行处理，然后加以区别，但是我想知道是否存在某种标准化的方式或功能（想不发明轮子）。

我似乎记得我曾经使用过以下方法：

somesysfunction("myfunction(with,arguments)")
> Start time : 2001-01-01 00:00:00  # output of somesysfunction
> "Result" "of" "myfunction"        # output of myfunction
> End time : 2001-01-01 00:00:10    # output of somesysfunction
> Total Execution time : 10 seconds # output of somesysfunction

r time profiling

— 域名系统
source

2

我认为您proc.time心目中的原因system.time是您需要的。

— Marek

1

对于较大的功能，Rprof很好。它提供了代码块/功能中所有进程的配置文件。

— Rich Scriven

38

新的R用户通过google找到了这个问题require(microbenchmark)：（从几年前开始）现在是计时事情的社区标准方法。times <- microbenchmark( lm(y~x), glm(y~x), times=1e3); example(microbenchmark)。这将对超过1000次尝试进行统计比较，而不是仅测试一次。lmglmsystem.time

— 同构

使用res <- microbenchmark(your code1,your code2)，然后再print(res)查看表格或ggplot2::autoplot(res)箱形图！裁判

— 特拉维斯

253

另一种可能的方式是使用Sys.time（）：

start.time <- Sys.time()
...Relevent codes...
end.time <- Sys.time()
time.taken <- end.time - start.time
time.taken

与上面的回答相比，这不是最优雅的方法，但绝对是一种方法。

— Shreyes
source

14

这比system.time（）效率更高，后者可以有效地复制其参数。当您处理几乎不适合RAM的数据时，这一点很重要。

— 亚当·里奇科夫斯基

2

对于使用的人Sys.time，请阅读以下警告：使用Sys.time（）

— 李哲源

1

system.time()对我来说更快。我认为system.time()应该接受答案！

— Gwang-Jin Kim，

这是我最好的方法，它可以知道在多个内核上并行执行长时间计算所花费的时间。在这种情况下，通过此调用测量的挂钟时间足够准确，因为计算机在处理所有内核时比进行其他任何事情都要忙得多，并且计算需要几分钟或几小时才能完成。这是一个非常具体的用例，但值得一提。

— Pablo Adames

185

内置功能system.time()可以做到这一点。

使用方式如下： system.time(result <- myfunction(with, arguments))

— 安德烈
source

1

重要的是要知道的是，system.time()有一个参数gcFirst是TRUE默认。一方面，这使测量更具可重复性，但会产生总运行时间的大量开销（偏离时间未测量）。

— jakob-r

2

用什么单位测量？例如，我刚运行system.time(result <- myfunction(with, arguments))并获得187.564的输出-以秒为单位还是什么？

— zsad512

对于使用的人system.time，请阅读以下内容，以告诫：使用system.time（）计时R代码时，“找不到对象”和“意外符号”错误。

— 李哲源

@ zsad512我有把握地确定那是秒。

— 塔珀

58

正如Andrie所说，system.time()效果很好。对于简短功能，我更喜欢放入replicate()：

system.time( replicate(10000, myfunction(with,arguments) ) )

— 萨莎·埃斯普坎普（Sacha Epskamp）
source

28

您最好使用microbenchmark软件包，因为它不包含定时复制的开销。

— 哈德利2011年

37

衡量执行时间的一种更好的方法是使用rbenchmark软件包。该软件包（轻松地）使您可以指定复制测试次数以及相对基准应该是多少次。

另请参阅stats.stackexchange中的相关问题

— csgillespie
source

6

微基准测试甚至更好，因为它使用了更高精度的计时功能。

— 哈德利2011年

4

@hadley但是，在进行比较的情况下，rbenchmark更加用户友好。对我来说，microbenchmark是升级的system.time。rmicrobenchmark是我们所需要的:)

— Marek

3

microbenchmark的维护者反应灵敏-我敢打赌他会添加您需要的任何内容。

— 哈德利2011年

34

microbenchmark 是一种轻量级（〜50kB）的程序包，在R中或多或少是一种标准方法，用于对多个表达式和函数进行基准测试：

microbenchmark(myfunction(with,arguments))

例如：

> microbenchmark::microbenchmark(log10(5), log(5)/log(10), times = 10000)
Unit: nanoseconds
           expr min lq    mean median uq   max neval cld
       log10(5)   0  0 25.5738      0  1 10265 10000   a
 log(5)/log(10)   0  0 28.1838      0  1 10265 10000

在这里，两个表达式均被评估了10000次，平均执行时间约为25-30 ns。

— 达沃·乔西波维奇（Davor Josipovic）
source

32

也有 proc.time()

您可以按照与相同的方式使用，Sys.time但结果与相似system.time。

ptm <- proc.time()
#your function here
proc.time() - ptm

使用之间的主要区别

system.time({ #your function here })

是该proc.time()方法仍然可以执行您的功能，而不仅仅是测量时间...顺便说一句，我喜欢在内部使用system.time，{}因此您可以放置一些东西...

— 罗德里戈·德·亚历山大（Rodrigo de Alexandre）
source

25

软件包“ tictoc”为您提供了一种测量执行时间的非常简单的方法。该文档位于：https : //cran.fhcrc.org/web/packages/tictoc/tictoc.pdf。

install.packages("tictoc")
require(tictoc)
tic()
rnorm(1000,0,1)
toc()

要将经过的时间保存到变量中，可以执行以下操作：

install.packages("tictoc")
require(tictoc)
tic()
rnorm(1000,0,1)
exectime <- toc()
exectime <- exectime$toc - exectime$tic

— 安东
source

18

尽管其他解决方案对于单个功能很有用，但我还是建议以下代码更通用，更有效：

Rprof(tf <- "log.log", memory.profiling = TRUE)
# the code you want to profile must be in between
Rprof (NULL) ; print(summaryRprof(tf))

— TP箭头
source

2

直到现在我还不了解Rprof，它的确很棒！再加上它带有R基座，因此不需要额外的包as microbenchmark或profvis。

— Simon C.

我想知道rprof是否也可以可视化，例如，例如，是否要绘制它分析的每个项目的时间？

— Zawir Amin

@ZawirAmin有一种方法，只需使用Rstudio >>配置文件菜单

— TPArrow，

13

另一种简单但功能强大的方法是使用包profvis。它不仅可以测量代码的执行时间，还可以深入了解您执行的每个函数。它也可以用于Shiny。

library(profvis)

profvis({
  #your code here
})

单击此处获取一些示例。

— 詹妮
source

11

您可以使用MATLAB式tic- toc的功能，如果你喜欢。看到这个其他的问题

R中的秒表功能

— 里奇棉花
source

即将添加proc.time()……我更喜欢这个可爱的名字。=）

— 同构