Voc\u00ea pode usar a seguinte sintaxe para fazer isso:<\/span><\/p>\n O exemplo a seguir mostra como usar essa sintaxe na pr\u00e1tica.<\/span><\/p>\n Suponha que temos o seguinte quadro de dados em R que cont\u00e9m informa\u00e7\u00f5es sobre os pontos marcados por jogadores de v\u00e1rios times de basquete:<\/span><\/p>\n Agora, suponha que queiramos calcular a m\u00e9dia de pontos marcados pelos jogadores de cada equipe usando dois m\u00e9todos diferentes:<\/span><\/p>\n Podemos usar a fun\u00e7\u00e3o microbenchmark()<\/strong> para medir o tempo que leva para executar cada uma destas express\u00f5es:<\/span><\/p>\n A fun\u00e7\u00e3o microbenchmark()<\/strong> executa cada express\u00e3o 100 vezes e mede as seguintes m\u00e9tricas:<\/span><\/p>\n Normalmente, observamos apenas o tempo m\u00e9dio ou mediano necess\u00e1rio para executar cada express\u00e3o.<\/span><\/p>\n Pelo resultado podemos ver:<\/span><\/p>\n Com base nestes resultados, conclu\u00edmos que o m\u00e9todo base R \u00e9 significativamente mais r\u00e1pido.<\/span><\/p>\n Tamb\u00e9m podemos usar a fun\u00e7\u00e3o boxplot()<\/strong> para visualizar a distribui\u00e7\u00e3o dos tempos necess\u00e1rios para executar cada express\u00e3o:<\/span> <\/p>\n Nos box plots, podemos ver que o m\u00e9todo dplyr leva mais tempo, em m\u00e9dia, para calcular o valor m\u00e9dio de pontos por equipe.<\/span><\/p>\n Nota<\/strong> : Neste exemplo, usamos a fun\u00e7\u00e3o microbenchmark()<\/strong> para comparar o tempo de execu\u00e7\u00e3o de duas express\u00f5es diferentes, mas voc\u00ea pode comparar quantas express\u00f5es quiser na pr\u00e1tica.<\/span><\/p>\n Os tutoriais a seguir explicam como realizar outras tarefas comuns em R:<\/span><\/p>\n Como limpar o ambiente em R<\/a> Voc\u00ea pode usar o pacote microbenchmark em R para comparar o tempo de execu\u00e7\u00e3o de diferentes express\u00f5es. Voc\u00ea pode usar a seguinte sintaxe para fazer isso: library (microbenchmark) #compare execution time of two different expressions microbenchmark( expression1, expression2) ) O exemplo a seguir mostra como usar essa sintaxe na pr\u00e1tica. Exemplo: Usando microbenchmark() em 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-4029","post","type-post","status-publish","format-standard","hentry","category-guia"],"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 Exemplo: Usando microbenchmark() em 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![\"O](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/micro1.jpg\")
<\/p>\n Recursos adicionais<\/strong><\/span><\/h2>\n
Como limpar todos os gr\u00e1ficos no RStudio<\/a>
Como carregar v\u00e1rios pacotes em R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"