戏说R语言系列8

Dirk Eddelbuettel的网站上有很多“EXTENDING R”的内容。

很多 EXTENDING R

翻译过来是“扩张R”。“扩张”并不是新鲜的词汇， John Chambers早在1976年为了能够让更多用户使用Fortran，开发了S语言， 暨R语言的前身，所以说R语言本身也是“扩张”的产物。

不过，最能代表“扩张”精神的应该是Dirk Eddelbuettel和John Chambers等人共同开发的Rcpp。我们通过一些资料来看一下 Rcpp的“扩张”特点。

这篇文档来自北卡罗来纳州立大学统计系的大数据课程笔记。

R和C++的区别

• C++是编译型语言，R语言是解释型语言。在C++里，人类写出的脚本首先被编译成计算机能够理解的可执行文件，这个编译过程只执行一次。在R语言里，人类每写一条命令，R解释器就要把这条命令翻译成计算机的可执行命令。知乎里有人说，编译型语言就是把菜在厨房里做好后，端上来吃；解释型语言就是火锅，一边做一边吃。

• C++是静态类型语言，R语言是动态类型语言。在C++里，定义变量的同时，要声明变量类型，而且还不能改。在R语言里，定义变量的时候，不需要定义变量类型，一个字符串变量可以转化为矩阵变量，也可以再由矩阵变量转化回字符串变量。R语言的灵活性比较强，适合做一些探索性的工作，但存储效率没有C++高。

• Rcpp的作用就是把静态的、编译型的C++加载到R语言的使用环境里，让C++做比较重的工作。实际上，R语言很多内置函数都是用C++编译的。

Hadley Wickham在Advanced R中，具体说明了C++可以做哪些比较重的工作。

大力水手 C++

• R语言本身可以通过向量化编程处理loop循环，但如果迭代之间的结果相互依赖，那么用C++处理比较好。

• 递归函数，或涉及数百万次调用函数的问题。在C++里调用函数的开销比R低很多。

• C++中有一些先进的数据结构和算法是R语言中所没有的，所以值得借鉴。

除了Rcpp之外，还有很多“EXTENDING R”的工具。Dirk Eddelbuettel 在今年4月的讲座里列举了很多。

例如，John Chambers 在2016年推出了XR工具，这款工具提供了一个新的R语言对接其他语言的接口框架，同时还推出了基于XR的XRPython和XRJulia。不过，可能是推出的时间不久，关注度不高。另外，这种工具不太依赖R自身的语法，很大程度依赖其他语言（例如python或Julia）的语法，所以使用rmarkdown可能更加方便一些。

还有一些比较专业化的工具。例如reticulate，用于调用深度学习工具tensorflow和keras的Python库。不过，tensorflow和keras都已经推出了支持R的接口，而且还挺好用的。reticulate在另外一些领域的扩张，值得关注一下，如下图所示。其中，greta是深度概率编程工具，spacyr是用来做自然语言处理的，h2ogpu是以GPU计算单元的机器学习求解器，这些都比较高大上。reticulate是基于XRPython和Rcpp开发的。

reticulate

Dirk Eddelbuettel比较了Rcpp、JuliaCall、reticulate、原生R的计算速度，如下图所示。Rcpp是最快的，比原生R快了246.5倍，所以使用Rcpp是值得的。

Julia也是很快的！

这里讲“扩张”还有一层意思。木心说，人类最自恋，因为人类喜欢照镜子。人类中最自恋的是哲学家，因为他们嫌镜子不够大，一定要以整个宇宙作为镜子。

所以说，鉴于宇宙不断膨胀的现实，我们保持一点扩张精神终究有些好处，不要把自己变成“坚不可摧的核桃”，那样我们就没什么镜子可照的了。