- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在尝试在 Julia 中运行 Bootstrap 并编写了一个有效的 Bootstrap 函数。但是,它很慢,R 中的相同代码运行时间只有一半。我确信我的代码中肯定存在一些低效之处,我对使用 Julia 还很陌生。我想知道是否有人可以向我提供一些意见/建议。
这是完全可重现的代码
using DataFrames
using Statistics
using StatsBase
df = DataFrame(rand(1:9, 1000,1000), :auto); # Create data
# Bootstrap function
function bootstrap(;iters=1, data=nothing, statistic=nothing)
statArr = DataFrame() # Init empty dataframe
for i in 1:iters
data_sample = data[sample(1:nrow(data), nrow(data), replace=true), :] # sample the data with replacement
stat = statistic(data_sample)
append!(statArr, stat) # push dataframe to empty dataframe
end
return statArr
end;
# Statistic function for column means
function meanmap(data)
return mapcols(col -> mean(col), data)
end;
# Run the bootstrap on the data
@time bootDist = bootstrap(iters = 9999, data = df, statistic = meanmap);
这需要大约 68 秒才能运行,而在 R 中需要 35 秒。
非常感谢您的建议。谢谢。
最佳答案
使用 DataFrames.jl 你可以做例如:
function bootstrap(;iters=1, data=nothing, statistic=nothing)
statArr = Float64.(empty(data)) # Init empty dataframe
for i in 1:iters
stat = statistic(data, rand(1:nrow(data), nrow(data)))
push!(statArr, stat) # push row to empty dataframe
end
return statArr
end;
# Statistic function for column means
meanmap(data, sel) = [mean(@view x[sel]) for x in eachcol(data)]
它应该比 R 更快。变化是:
push!
它而不是append!
它(这节省了创建时间和数据框对象的验证)(我只对代码进行了主要优化;还可以进行一些额外的小优化,但它们不应该对运行时间产生重大影响)
另请注意,您已接近最大执行速度:
julia> x = rand(1:nrow(df), nrow(df));
julia> y = df[!, 1];
julia> f(y, x) = mean(@view y[x]);
julia> g(y, x) = [f(y, x) for _ in 1:9999*1000];
julia> @time g(y, x);
大致是您可以预期的执行时间的下限,它并不比上面的代码快多少(当然,它快了大约 25%-30%,因为它做的工作更少,占用更多 CPU缓存友好)。
作为一个小评论,说明细节在这种情况下的重要性(我认为这很有趣,尽管它是一个小的优化,所以我将其省略)。
如果您使用 sort!(rand(1:nrow(data), nrow(data))) 而不是
你又节省了 1 秒。原因是,通过这种方式,您可以确保在计算 rand(1:nrow(data), nrow(data))
mean
时按顺序访问数据(这对 CPU 缓存更友好,并且 mean
不受观察顺序的影响)。
这样的第二个评论是,在多 CPU 机器上(并使用 -t
开关选择使用多个线程启动 Julia),可以使用线程来加速这样的事情(再次 - 我没有在这里优化到最后可能的调整,而是想展示主要思想):
function bootstrap(;iters=1, data=nothing, statistic=nothing)
statArr = Float64.(empty(data)) # Init empty dataframe
tmp = Vector{Any}(undef, iters)
Threads.@threads for i in 1:iters
stat = statistic(data, rand(1:nrow(data), nrow(data)))
tmp[i] = stat
end
for v in tmp
push!(statArr, v) # push dataframe to empty dataframe
end
return statArr
end
这在 Julia 中要快得多,也容易得多(虽然可行,但在 R 中并不那么容易)。
关于 View ,您可以阅读它们 here .
关于dataframe - Julia 优化,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/68107161/
假设我有 3 个 DataFrame。其中一个 DataFrame 的列名不在其他两个中。 using DataFrames df1 = DataFrame([['a', 'b', 'c'], [1,
假设我有 3 个 DataFrame。其中一个 DataFrame 的列名不在其他两个中。 using DataFrames df1 = DataFrame([['a', 'b', 'c'], [1,
我有一个 largeDataFrame(多列和数十亿行)和一个 smallDataFrame(单列和 10,000 行)。 只要 largeDataFrame 中的 some_identifier 列
我有一个函数,可以在其中规范化 DataFrame 的前 N 列。我想返回规范化的 DataFrame,但不要管原来的。然而,该函数似乎也会对传递的 DataFrame 进行变异! using D
我想在 Scala 中使用指定架构在 DataFrame 上创建。我尝试过使用 JSON 读取(我的意思是读取空文件),但我认为这不是最佳实践。 最佳答案 假设您想要一个具有以下架构的数据框: roo
我正在尝试从数据框中删除一些列,并且不希望返回修改后的数据框并将其重新分配给旧数据框。相反,我希望该函数只修改数据框。这是我尝试过的,但它似乎并没有做我所除外的事情。我的印象是参数是作为引用传递的,而
我有一个包含大约 60000 个数据的庞大数据集。我会首先使用一些标准对整个数据集进行分组,接下来我要做的是将整个数据集分成标准内的许多小数据集,并自动对每个小数据集运行一个函数以获取参数对于每个小数
我遇到了以下问题,并有一个想法来解决它,但没有成功:我有一个月内每个交易日的 DAX 看涨期权和看跌期权数据。经过转换和一些计算后,我有以下 DataFrame: DaxOpt 。现在的目标是消除没有
我正在尝试做一些我认为应该是单行的事情,但我正在努力把它做好。 我有一个大数据框,我们称之为lg,还有一个小数据框,我们称之为sm。每个数据帧都有一个 start 和一个 end 列,以及多个其他列所
我有一个像这样的系列数据帧的数据帧: state1 state2 state3 ... sym1 sym
我有一个大约有 9k 行和 57 列的数据框,这是“df”。 我需要一个新的数据框:'df_final'- 对于“df”的每一行,我必须将每一行复制“x”次,并将每一行中的日期逐一增加,也就是“x”次
假设有一个 csv 文件如下: # data.csv 0,1,2,3,4 a,3.0,3.0,3.0,3.0,3.0 b,3.0,3.0,3.0,3.0,3.0 c,3.0,3.0,3.0,3.0,3
我只想知道是否有人对以下问题有更优雅的解决方案: 我有两个 Pandas DataFrame: import pandas as pd df1 = pd.DataFrame([[1, 2, 3], [
我有一个 pyspark 数据框,我需要将其转换为 python 字典。 下面的代码是可重现的: from pyspark.sql import Row rdd = sc.parallelize([R
我有一个 DataFrame,我想在 @chain 的帮助下对其进行处理。如何存储中间结果? using DataFrames, Chain df = DataFrame(a = [1,1,2,2,2
我有一个包含 3 列的 DataFrame,名为 :x :y 和 :z,它们是 Float64 类型。 :x 和 "y 在 (0,1) 上是 iid uniform 并且 z 是 x 和 y 的总和。
这个问题在这里已经有了答案: pyspark dataframe filter or include based on list (3 个答案) 关闭 2 年前。 只是想知道是否有任何有效的方法来过
我刚找到这个包FreqTables ,它允许人们轻松地从 DataFrames 构建频率表(我正在使用 DataFrames.jl)。 以下代码行返回一个频率表: df = CSV.read("exa
是否有一种快速的方法可以为 sort 指定自定义订单?/sort!在 Julia DataFrames 上? julia> using DataFrames julia> srand(1); juli
在 Python Pandas 和 R 中,可以轻松去除重复的列 - 只需加载数据、分配列名,然后选择那些不重复的列。 使用 Julia Dataframes 处理此类数据的最佳实践是什么?此处不允许
我是一名优秀的程序员,十分优秀!