U kunt hiervoor de volgende syntaxis gebruiken:<\/span><\/p>\n Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken.<\/span><\/p>\n Stel dat we het volgende dataframe in R hebben dat informatie bevat over de punten die zijn gescoord door spelers van verschillende basketbalteams:<\/span><\/p>\n Stel nu dat we de gemiddelde punten die door spelers van elk team zijn gescoord, willen berekenen met behulp van twee verschillende methoden:<\/span><\/p>\n We kunnen de functie microbenchmark()<\/strong> gebruiken om de tijd te meten die nodig is om elk van deze expressies uit te voeren:<\/span><\/p>\n De functie microbenchmark()<\/strong> voert elke expressie 100 keer uit en meet de volgende statistieken:<\/span><\/p>\n Meestal kijken we alleen naar de gemiddelde of mediane tijd die nodig is om elke expressie uit te voeren.<\/span><\/p>\n Uit het resultaat kunnen we zien:<\/span><\/p>\n Op basis van deze resultaten concluderen we dat de basis-R-methode aanzienlijk sneller is.<\/span><\/p>\n We kunnen ook de functie boxplot()<\/strong> gebruiken om de verdeling van de tijden te visualiseren die nodig zijn om elke expressie uit te voeren:<\/span> <\/p>\n Uit de boxplots kunnen we zien dat de dplyr-methode er gemiddeld langer over doet om de gemiddelde puntenwaarde per team te berekenen.<\/span><\/p>\n Opmerking<\/strong> : in dit voorbeeld hebben we de functie microbenchmark()<\/strong> gebruikt om de uitvoeringstijd van twee verschillende expressies te vergelijken, maar in de praktijk kun je zoveel expressies vergelijken als je wilt.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in R kunt uitvoeren:<\/span><\/p>\n Hoe de omgeving te wissen in R<\/a> U kunt het microbenchmark- pakket in R gebruiken om de uitvoeringstijd van verschillende expressies te vergelijken. U kunt hiervoor de volgende syntaxis gebruiken: library (microbenchmark) #compare execution time of two different expressions microbenchmark( expression1, expression2) ) Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken. Voorbeeld: microbenchmark() gebruiken in R […]<\/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":[],"class_list":["post-4030","post","type-post","status-publish","format-standard","hentry","category-gids"],"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 Voorbeeld: microbenchmark() gebruiken 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![\"De](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/micro1.jpg\")
<\/p>\n Aanvullende bronnen<\/strong><\/span><\/h2>\n
Hoe alle plots in RStudio te wissen<\/a>
Hoe meerdere pakketten in R te laden<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"