前面宏基因组与R语言的笔记还未结束，又开始新坑啦，都是要继续的啦！
1、跑分
直接是代码了。
代码语言：javascript复制# 安装跑分包
install.packages(c("microbenchmark","profvis"))
library(microbenchmark)
# 这个包默认运行程序100次，进行基准测试，获得微秒级差异
df <- data.frame(v<-1:4,name<-letters[1:4])
microbenchmark(df[3,2], df[3,"name"],df$name[3])
# 纳表级别差异，第三种效率最高
Unit: nanoseconds
expr min lq mean median uq max neval
df[3, 2] 8002 8202 8619.04 8402.0 8650.5 13902 100
df[3, "name"] 8301 8501 9361.11 8701.5 9001.0 63001 100
df$name[3] 800 902 1246.00 1001.0 1101.0 19801 100
# 性能测试profvis（）把代码包里面就可以啦
library("profvis")
library(microbenchmark)
profvis(
expr = {
x <- 1:1000
# cycle
cs_for <- function(x){
for (i in x) {
if (i==1) {
xc<- x[i]
} else{
xc <- c(xc,sum(x[1:i]))
}
}
xc
}
#apply
cs_apply <- function(x){
sapply(x, function(x) sum(1:x))
}
# cumsum
microbenchmark(cs_for(x),cs_apply(x),cumsum(x))
}
)
# 查看系统信息
Sys.info()
sysname release version
"Linux" "4.15.0-96-generic" "# SMP Wed Apr 1 03:25:46 UTC 2020"
nodename machine login
"VM-0-6-ubuntu" "x86_64" "unknown"
user effective_user
"zd2572" "zd2072"
在这里插入图片描述
2、安装和加载包的简便快捷方法
代码语言：javascript复制# 更新R Windows， 其他系统需要下载或者系统命令更新
installr::updateR()
# 批量安装
pkgs <- c('ggplot2','raster')
install.packages(pkgs)
# 批量加载,不使用require()是因为library()在包不存在时会报错
inst <- lapply(pkgs, library,chracter.only=True)
# 安装R包依赖项
# Debian系
sudo apt-cache r-cran-*
sudo apt install r-cran-rgdal
# Windows
installr::install.rtools()
# 更新R
update.packages(ask=FALSE)
# 可以将以下放在Rprofile文件的.Last函数，方便使用：
utils::update.packages(ask=FALSE)
3、R的启动参数
这些启动参数可以添加到R启动命令中, 可以加快R的加载。
代码语言：javascript复制# 仅在工作目录下查找启动文件
--no-environ
--no-init
# 不加载当前工作目录下的Rdata
--no-restore
# q()退出时不保存RAM对象
--no-save
# 加载基础R
R --vanilla
扫描二维码
获取更多精彩
公众号
