A tale scopo \u00e8 possibile utilizzare la seguente sintassi:<\/span><\/p>\n L’esempio seguente mostra come utilizzare questa sintassi nella pratica.<\/span><\/p>\n Supponiamo di avere il seguente frame di dati in R che contiene informazioni sui punti segnati dai giocatori di varie squadre di basket:<\/span><\/p>\n Supponiamo ora di voler calcolare la media dei punti segnati dai giocatori di ciascuna squadra utilizzando due metodi diversi:<\/span><\/p>\n Possiamo usare la funzione microbenchmark()<\/strong> per misurare il tempo necessario per eseguire ciascuna di queste espressioni:<\/span><\/p>\n La funzione microbenchmark()<\/strong> esegue ciascuna espressione 100 volte e misura le seguenti metriche:<\/span><\/p>\n In genere, esaminiamo solo il tempo medio o mediano necessario per eseguire ciascuna espressione.<\/span><\/p>\n Dal risultato possiamo vedere:<\/span><\/p>\n Sulla base di questi risultati, concludiamo che il metodo base R \u00e8 significativamente pi\u00f9 veloce.<\/span><\/p>\n Possiamo anche utilizzare la funzione boxplot()<\/strong> per visualizzare la distribuzione dei tempi necessari per eseguire ciascuna espressione:<\/span> <\/p>\n Dai box plot possiamo vedere che il metodo dplyr impiega in media pi\u00f9 tempo per calcolare il valore del punto medio per squadra.<\/span><\/p>\n Nota<\/strong> : in questo esempio, abbiamo utilizzato la funzione microbenchmark()<\/strong> per confrontare il tempo di esecuzione di due diverse espressioni, ma nella pratica puoi confrontare tutte le espressioni che desideri.<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre attivit\u00e0 comuni in R:<\/span><\/p>\n Come cancellare l’ambiente in R<\/a> \u00c8 possibile utilizzare il pacchetto microbenchmark in R per confrontare il tempo di esecuzione di diverse espressioni. A tale scopo \u00e8 possibile utilizzare la seguente sintassi: library (microbenchmark) #compare execution time of two different expressions microbenchmark( expression1, expression2) ) L’esempio seguente mostra come utilizzare questa sintassi nella pratica. Esempio: utilizzo di microbenchmark() in R Supponiamo […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n library<\/span> (microbenchmark)\n\n#compare execution time of two different expressions\n<\/span>microbenchmark(\n expression1,\n expression2)\n)\n<\/strong><\/pre>\n Esempio: utilizzo di microbenchmark() in R<\/strong><\/span><\/h2>\n
#make this example reproducible\n<\/span>set. seed<\/span> ( 1<\/span> )\n\n#create data frame\n<\/span>df <- data. frame<\/span> (team=rep(c(' A<\/span> ', ' B<\/span> '), each= 500<\/span> ),\n points=rnorm( 1000<\/span> , mean= 20<\/span> ))\n\n#view data frame\n<\/span>head(df)\n\n team points\n1 A 19.37355\n2 A 20.18364\n3 A 19.16437\n4 A 21.59528\n5 A 20.32951\n6 A 19.17953\n<\/span><\/span><\/strong><\/pre>\n\n
library<\/span> (microbenchmark)\nlibrary<\/span> (dplyr)\n\n#time how long it takes to calculate mean value of points by team\n<\/span>microbenchmark(\n aggregate(df$points, list(df$team), FUN=mean),\n df %>% group_by(team) %>% summarise_at(vars(points), list(name = mean))\n)\n\nUnit: milliseconds\n express\n aggregate(df$points, list(df$team), FUN = mean)\n df %>% group_by(team) %>% summarise_at(vars(points), list(name = mean))\n min lq mean median uq max neval cld\n 1.307908 1.524078 1.852167 1.743568 2.093813 4.67408 100 a \n 6.788584 7.810932 9.946286 8.914692 10.239904 56.20928 100 b\n<\/strong><\/pre>\n\n
\n
library<\/span> (microbenchmark)\nlibrary<\/span> (dplyr)\n\n#time how long it takes to calculate mean value of points by team\n<\/span>results <- microbenchmark(\n aggregate(df$points, list(df$team), FUN=mean),\n df %>% group_by(team) %>% summarise_at(vars(points), list(name = mean))\n)\n\n#create boxplot to visualize results\n<\/span>boxplot(results, names=c(' Base R<\/span> ', ' dplyr<\/span> '))\n<\/strong><\/pre>\n![\"Il](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/micro1.jpg\")
<\/p>\n Risorse addizionali<\/strong><\/span><\/h2>\n
Come cancellare tutti i grafici in RStudio<\/a>
Come caricare pi\u00f9 pacchetti in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"