【发布时间】：2013-03-12 17:35:15
【问题描述】：
我有大量数据要分析，我在编写代码时倾向于在单词或变量名之间留出空格，所以问题是，如果效率是第一要务，空格是否有成本？
c
【问题讨论】：
-
空白的数量不应与数据量相关
标签： r
【发布时间】：2013-03-12 17:35:15
【问题描述】：
对于第一、第二、第三，...，近似值，不，它根本不会花费你任何时间。
您花在按空格键上的额外时间比运行时的成本高出几个数量级（根本不重要）。
更大的成本将来自任何因遗漏空格而导致的可读性下降，这会使代码（对于人类）更难解析。
【讨论】：
一句话，不！
library(microbenchmark)
f1 <- function(x){
j <- rnorm( x , mean = 0 , sd = 1 ) ;
k <- j * 2 ;
return( k )
}
f2 <- function(x){j<-rnorm(x,mean=0,sd=1);k<-j*2;return(k)}
microbenchmark( f1(1e3) , f2(1e3) , times= 1e3 )
Unit: microseconds
expr min lq median uq max neval
f1(1000) 110.763 112.8430 113.554 114.319 677.996 1000
f2(1000) 110.386 112.6755 113.416 114.151 5717.811 1000
#Even more runs and longer sampling
microbenchmark( f1(1e4) , f2(1e4) , times= 1e4 )
Unit: milliseconds
expr min lq median uq max neval
f1(10000) 1.060010 1.074880 1.079174 1.083414 66.791782 10000
f2(10000) 1.058773 1.074186 1.078485 1.082866 7.491616 10000
编辑
似乎使用微基准测试是不公平的，因为表达式在循环中运行之前就已被解析。但是使用source 应该意味着每次迭代都必须解析源代码并删除空格。所以我将函数保存到两个单独的文件中，文件的最后一行是函数的调用，例如，我的文件 f2.R 看起来像这样：
f2 <- function(x){j<-rnorm(x,mean=0,sd=1);k<-j*2;return(k)};f2(1e3)
我像这样测试它们：
microbenchmark( eval(source("~/Desktop/f2.R")) , eval(source("~/Desktop/f1.R")) , times = 1e3)
Unit: microseconds
expr min lq median uq max neval
eval(source("~/Desktop/f2.R")) 649.786 658.6225 663.6485 671.772 7025.662 1000
eval(source("~/Desktop/f1.R")) 687.023 697.2890 702.2315 710.111 19014.116 1000
以及 1e4 复制的差异的直观表示....
也许它在函数被重复解析的情况下确实产生了微小的差异，但在正常用例中不会发生这种情况。
【讨论】：
-
大声笑，我开始用更简单的函数 (1+2) 做同样的事情，但我使用了 10000000 次复制，所以你得到的结果更快。 :) （有点令人惊讶的是，rbenchmark 给出了 53s 和 44s 的结果 .. 有利于空格）
-
你确定这是一个公平的测试吗？我强烈的猜测是函数体只被解析一次，最初，完全在微基准循环之外！
-
是的，这是修辞，虽然我对答案有强烈的怀疑。如果
identical(body(f1), body(f2))（或我尝试过的许多变体之一）是TRUE，我会完全有信心，但事实并非如此，我不知道为什么。很高兴了解更多信息。 -
看起来它们是相同的（直到附加到已解析函数体的各种
srcref属性）。必须有一种更优雅的方法来检查这一点，但至少以下方法有效：a <- body(f1); b <- body(f2); attributes(a) <- attributes(b) <- NULL; identical(a,b) -
我也是。在调用函数之前进行解析的一个提示是尝试这样的事情：
j <- function (x) a <- b c <- d。您收到的错误消息来自解析器，它告诉您这不是一个语法有效的表达式。
是
但是，不，不是：
TL;DR 运行脚本来删除空格可能比通过删除空格节省的时间要长。
@Josh O'Brien 真的一针见血。但我无法抗拒基准测试
如您所见，如果您正在处理数量级为 1 亿条的行，那么您将看到一个微不足道的阻碍。
但是 有这么多行，它们很有可能成为至少一个（如果不是数百个）热点，
与grep消除所有空白相比，简单地改进其中之一中的代码会给您带来更快的速度。
library(microbenchmark)
microbenchmark(LottaSpace = eval(LottaSpace), NoSpace = eval(NoSpace), NormalSpace = eval(NormalSpace), times=10e7)
@ 100 times; Unit: microseconds
expr min lq median uq max
1 LottaSpace 7.526 7.9185 8.1065 8.4655 54.850
2 NormalSpace 7.504 7.9115 8.1465 8.5540 28.409
3 NoSpace 7.544 7.8645 8.0565 8.3270 12.241
@ 10,000 times; Unit: microseconds
expr min lq median uq max
1 LottaSpace 7.284 7.943 8.094 8.294 47888.24
2 NormalSpace 7.182 7.925 8.078 8.276 46318.20
3 NoSpace 7.246 7.921 8.073 8.271 48687.72
地点：
LottaSpace <- quote({
a <- 3
b <- 4
c <- 5
for (i in 1:7)
i + i
})
NoSpace <- quote({
a<-3
b<-4
c<-5
for(i in 1:7)
i+i
})
NormalSpace <- quote({
a <- 3
b <- 4
c <- 5
for (i in 1:7)
i + i
})
【讨论】：
这可能影响的唯一部分是将源代码解析为令牌。我无法想象解析时间的差异会很大。但是，您可以通过使用 compiler 包的 compile 或 cmpfun 函数编译函数来消除此方面。然后解析只进行一次，任何空格差异都不会影响执行时间。
【讨论】：
-
我很确定一个函数定义只解析一次，不管你是否
compile代码。compiler包通过避免重复编译函数来加速代码，对吧？ -
@JoshO'Brien 这可能是对的。我不确定。如果编译了就不会再解析了，但是如果不编译就不确定会不会再解析了。
在性能上应该没有差异，尽管：
fn1<-function(a,b) c<-a+b
fn2<-function(a,b) c <- a + b
library(rbenchmark)
> benchmark(fn1(1,2),fn2(1,2),replications=10000000)
test replications elapsed relative user.self sys.self user.child
1 fn1(1, 2) 10000000 53.87 1.212 53.4 0.37 NA
2 fn2(1, 2) 10000000 44.46 1.000 44.3 0.14 NA
与microbenchmark相同：
Unit: nanoseconds
expr min lq median uq max neval
fn1(1, 2) 0 467 467 468 90397803 1e+07
fn2(1, 2) 0 467 467 468 85995868 1e+07
所以第一个结果是假的..
【讨论】：