将R中的余弦距离函数转换为Rcpp

Question

我一直在开发一个用于单细胞 RNA-seq 分析的 R 包，我重复使用的函数之一是通过 计算给定 m 个细胞矩阵的余弦相异矩阵n 个基因。我写的函数如下：

CosineDist <- function(input = NULL) {
  if (is.null(input)) { stop("You forgot to provide an input matrix") }
  dist_mat <- as.dist(1 - input %*% t(input) / (sqrt(rowSums(input^2) %*% t(rowSums(input^2)))))
  return(dist_mat)
}

此代码适用于较小的数据集，但当我在超过 20,000 行的任何内容上运行它时，它需要很长时间，然后由于内存问题导致我的 R 会话崩溃。我相信将其移植到 Rcpp 会使其更快，内存效率更高（我知道这有点天真，但我对 C++ 的一般知识是有限的）。最后，函数的输出虽然返回时不一定是距离矩阵对象，但在生成后确实需要能够转换为该格式。

我应该如何将此函数转换为 Rcpp，然后像调用包中的任何其他函数一样调用它？或者，这是解决速度/内存问题的最佳方法吗？

Answer 1

很难帮助您，因为正如 cmets 指出的那样，您基本上是在寻找 Rcpp 介绍。

我会尽量给你一些提示，我在 cmets 中已经部分提到了。

通常使用 C/C++ 可以提​​供很大的加速（当然取决于任务）。但我已经达到（循环密集型，未优化代码）100 倍以上的加速。

由于添加 C++ 可能会很复杂并且有时会导致问题，因此在使用此方法之前，请检查以下内容：

1.你的 R 代码优化了吗？

你可以在这里做出很多糟糕的选择（例如，循环在 R 中很慢）。只需优化您的 R 代码，通常可以轻松实现 10 倍或更多的加速。

2。其他包中是否有更好的实现？

特别是如果它是辅助功能或通用功能，通常其他包已经实现了这些。使用“microbenchmark”包对不同的现有解决方案进行基准测试。使用另一个 R 包中的优化函数然后自己做所有事情会更容易。 （也许其他包实现已经在 C++ 中了）。我主要尝试寻找主流和流行的软件包（因为这些软件包经过了更好的测试，而且它们不太可能突然从 CRAN 中删除）。

3.分析您的代码

看看究竟是哪些部分导致了速度/内存问题。可能是您可以将部分保留在 R 中，并且只为 C++ 中的关键部分创建一个函数。或者你找到另一个包，它有一个用 C 语言实现的 R 函数，正是这个关键部分。

最后我想说，我更喜欢使用 Rcpp/C++ 而不是 C 代码。认为这是更简单的方法。对于 Rcpp 学习部分，您必须使用专门的教程（而不是 SO 问题）。