R语言调用C++

R语言跨界调用C++

R的极客理想系列文章，涵盖了R的思想，使用，工具，创新等的一系列要点，以我个人的学习和体验去诠释R的强大。

R语言作为统计学一门语言，一直在小众领域闪耀着光芒。直到大数据的爆发，R语言变成了一门炙手可热的数据分析的利器。随着越来越多的工程背景的人的加入，R语言的社区在迅速扩大成长。现在已不仅仅是统计领域，教育，银行，电商，互联网….都在使用R语言。

要成为有理想的极客，我们不能停留在语法上，要掌握牢固的数学，概率，统计知识，同时还要有创新精神，把R语言发挥到各个领域。让我们一起动起来吧，开始R的极客理想。

关于作者：

  • 张丹(Conan), 程序员R,Nodejs,Java
  • weibo：@Conan_Z
  • blog: http://blog.fens.me
  • email: [email protected]

转载请注明出处：
http://blog.fens.me/r-cpp-rcpp

前言

使用R语言已经很多年了，对很多的R包都已经了解，唯独没有碰和C++相关的部分，这可能很大的原因和我长期使用Java的背景有关。但随着多语言的发展，跨语言应用的流行，打通各语言界限的方法也已经是成熟。让R和C++实现通信，已经变得很简单。

跟上跨语言的步伐，打开R和C++的通道，让C++来解决R性能的诟病吧。

目录

  1. Rcpp的简单介绍
  2. 5分钟上手
  3. 数据类型转换

1. Rcpp的简单介绍

Rcpp包是一个打通R语言和C++语言的通信组件包，提供了R语言和C++函数的相互调用。R语言和C++语言的数据类型通过Rcpp包进行完整的映射。

Rcpp的官方网站：https://cran.r-project.org/web/packages/Rcpp/index.html

本文做为入门教程，只是简单介绍，如何能打通R语言和C++的通信通道，并不做深入地探讨。R语言和其他语言也有类似的通信实现，R语言和JAVA的调用，请参考文章解惑rJava R与Java的高速通道；R语言和Nodejs的调用，请参考文章Nodejs与R跨平台通信。

2. 5分钟上手

做为5分钟上手的教程，我们只讲例子不讲API。

本文的系统环境

  • Win10 64bit
  • R version 3.2.3 (2015-12-10)

由于Windows系统的环境下需要Rtools支持，所以要手动下载对应版本的Rtoosl包，下载地址。我的R语言版本是3.2.3，所以我需要安装Rtools33.exe。安装EXE程序就不多说了，双击完成即可。

下载Rcpp的程序包，进行安装，一行代码搞定。


> install.packages("Rcpp")
trying URL ‘https://mirrors.tuna.tsinghua.edu.cn/CRAN/bin/windows/contrib/3.2/Rcpp_0.12.6.zip‘
Content type ‘application/zip‘ length 3221864 bytes (3.1 MB)
downloaded 3.1 MB

package ‘Rcpp’ successfully unpacked and MD5 sums checked
Warning in install.packages :
  cannot remove prior installation of package ‘Rcpp’

The downloaded binary packages are in
	C:\Users\tinkpad\AppData\Local\Temp\RtmpKkg8zo\downloaded_packages

2.1 从hello world开始

从一个简单程序hello world开始吧，让R语言程序调用C++中的hello()函数。我用需要新建2个文件，放在同一个目录中。

  • demo.cpp，C++程序的源文件
  • demo.r，R程序源文件

首先，编辑demo.cpp，定义hello()函数。


~ notepad demo.cpp

#include <Rcpp.h>
#include <string>  

using namespace std;
using namespace Rcpp;

//[[Rcpp::export]]
string hello(string name) {
  cout << "hello " << name << endl;
  return name;
}

/*** R
hello(‘world‘)
hello(‘Conan‘)
*/

上面Rcpp的代码，我们可以从3部分来看。

  • #include和using部分: 为包引用和命名空间的声明。<Rcpp.h>和namespace Rcpp是必要要加载的，另外由于使用了string的类型作为参数和返回值，所以需要<string>和namespace std。
  • 功能函数部分: 们定义了一个 hello(string name) 函数，有一个参数是string类型，返回值也为string类型。需要强调的是，对R开放的函数必须增加 //[[Rcpp::export]] 的注释声明。
  • 代码执行: 用/*** R 和 */ 包含的部分，为R语言的代码，会默认被执行。

编辑demo.r，用来调用demo.cpp的hello()函数。


~ notepad demo.r

library(Rcpp)

sourceCpp(file=‘demo.cpp‘)
hello(‘R‘)

执行R语言的代码


# 加载Rcpp包
> library(Rcpp)

# 编译和加载demo.cpp文件
> sourceCpp(file=‘demo.cpp‘)

# 执行封装在demo.cpp中的R代码
> hello(‘world‘)
hello world
[1] "world"

> hello(‘Conan‘)
hello Conan
[1] "Conan"

# 执行hello函数
> hello(‘R‘)
hello [1]R
 "R"

一个非常简单的helloworld程序，就这样子完成了。

2.2 R和Rcpp的混写代码

上面2行代码，就完成了R对C++程序的调用，sourceCpp()函数真是强大。其实，sourceCpp()函数还提供了一种代码混写的方法，就是在R的代码中，直接嵌入C++代码。


sourceCpp(code=‘
  #include >Rcpp.h<
  #include >string<

  using namespace std;
  using namespace Rcpp;

  //[[Rcpp::export]]
  string hello(string name) {
    cout << "hello " << name << endl;
    return name;
  }
‘)
hello(‘R2‘)

运行代码


> sourceCpp(code=‘
+   #include >Rcpp.h<
+   #include >string<
+
+   using namespace std;
+   using namespace Rcpp;
+
+   //[[Rcpp::export]]
+   string hello(string name) {
+     cout << "hello " << name << endl;
+     return name;
+   }
+ ‘)

> hello(‘R2‘)
hello R2
[1] "R2"

这种多语言混写的语法虽然不太推荐，但对于这只有几行代码来说，还是很方便的。

2.2 用RStudioIDE生成cpp文件

如果你使用的RStudio IDE，开发起来将会非常方便，可以直接新建C++程序，生成一段标准的代码模板。

生成的代码模板如下


#include <Rcpp.h>
using namespace Rcpp;

// This is a simple example of exporting a C++ function to R. You can
// source this function into an R session using the Rcpp::sourceCpp
// function (or via the Source button on the editor toolbar). Learn
// more about Rcpp at:
//
//   http://www.rcpp.org/
//   http://adv-r.had.co.nz/Rcpp.html
//   http://gallery.rcpp.org/
//

// [[Rcpp::export]]
NumericVector timesTwo(NumericVector x) {
  return x * 2;
}

// You can include R code blocks in C++ files processed with sourceCpp
// (useful for testing and development). The R code will be automatically
// run after the compilation.
//

/*** R
timesTwo(42)
*/

通过RStudio可以快速生成一段标准的代码模板，改改马上就能用了。

3. 数据类型转换

上面的例子中，我们测试了字符串类型的调用。R语言有多种的数据类型，我接下来都测试一下！

3.1 基本类型

基本类型，C++对应R语言的默认映射关系。C++的代码部分，如下所示：


// [[Rcpp::export]]
char char_type(char x){
  return x;
}

// [[Rcpp::export]]
int int_type(int x){
  return x;
}

// [[Rcpp::export]]
double double_type(double x){
  return x;
}

// [[Rcpp::export]]
bool bool_type(bool x){
  return x;
}

// [[Rcpp::export]]
void void_return_type(){
  Rprintf( "return void" );
}

执行R语言调用


# char类型
> a1<-char_type(‘a‘)
> a1;class(a1)         # 默认对应R的character类型
[1] "a"
[1] "character"
> char_type(‘bbii‘)    # 只处理字符串的第一个字节
[1] "b"

# int类型
> a2<-int_type(111)
> a2;class(a2)         # 默认对应R的integer类型
[1] 111
[1] "integer"
> int_type(111.1)      # 直接去掉小数位
[1] 111

# double类型
> a3<-double_type(111.1)
> a3;class(a3)         # 默认对应R的numeric类型
[1] 111.1
[1] "numeric"
> double_type(111)
[1] 111

# boolean类型
> a4<-bool_type(TRUE)
> a4;class(a4)        # 默认对应R的logical类型
[1] TRUE
[1] "logical"
> bool_type(0)        # 0为FALSE
[1] FALSE
> bool_type(1)        # 非0为TRUE
[1] TRUE

# 无参数无返回值 的函数
> a5<-void_return_type()
return void
> a5;class(a5)         # 返回值为NULL
NULL
[1] "NULL"

3.2 向量类型

向量类型，C++对应R语言的默认映射关系。C++的代码部分，如下所示：


// [[Rcpp::export]]
CharacterVector CharacterVector_type(CharacterVector x){
  return x;
}

// [[Rcpp::export]]
StringVector StringVector_type(StringVector x){
  return x;
}

// [[Rcpp::export]]
NumericVector NumericVector_type(NumericVector x) {
  return x;
}

// [[Rcpp::export]]
IntegerVector IntegerVector_type(IntegerVector x) {
  return x;
}

// [[Rcpp::export]]
DoubleVector DoubleVector_type(DoubleVector x){
  return x;
}

// [[Rcpp::export]]
LogicalVector LogicalVector_type(LogicalVector x){
  return x;
}

// [[Rcpp::export]]
DateVector DateVector_type(DateVector x){
  return x;
}

// [[Rcpp::export]]
DatetimeVector DatetimeVector_type(DatetimeVector x){
  return x;
}

执行R语言调用


# Character向量
> a6<-CharacterVector_type(c(‘abc‘,‘12345‘))
> a6;class(a6)                                    # 默认对应R的character类型
[1] "abc"   "12345"
[1] "character"
> CharacterVector_type(c(‘abc‘,123.5, NA, TRUE))  # NA不处理
[1] "abc"   "123.5" NA      "TRUE" 

# String向量，完全同Character向量
> a7<-StringVector_type(c(‘abc‘,‘12345‘))
> a7;class(a7)                                    # 默认对应R的character类型
[1] "abc"   "12345"
[1] "character"
> StringVector_type(c(‘abc‘,123.5, NA, TRUE))
[1] "abc"   "123.5" NA      "TRUE" 

# Numeric向量
> a8<-NumericVector_type(rnorm(5))
> a8;class(a8)                                    # 默认对应R的numeric类型
[1] -0.2813472 -0.2235722 -0.6958443 -1.5322172  0.5004307
[1] "numeric"
> NumericVector_type(c(rnorm(5),NA,TRUE))         # NA不处理，TRUE为1
[1]  0.1700925  0.5169612 -0.3622637  1.0763204 -0.5729958
[6]         NA  1.0000000

# Integer向量
> a9<-IntegerVector_type(c(11,9.9,1.2))           # 直接去掉小数位
> a9;class(a9)                                    # 默认对应R的integer类型
[1] 11  9  1
[1] "integer"
> IntegerVector_type(c(11,9.9,1.2,NA,TRUE))       # NA不处理，TRUE为1
[1] 11  9  1 NA  1

# Double向量，同Numeric向量
> a10<-DoubleVector_type(rnorm(5))
> a10;class(a10)                                  # 默认对应R的numeric类型
[1]  0.9400947 -0.8976913  0.2744319 -1.5278219  1.2010569
[1] "numeric"
> DoubleVector_type(c(rnorm(5),NA,TRUE))          # NA不处理，TRUE为1
[1]  2.0657148  0.2810003  2.1080900 -1.2783693  0.2198551
[6]         NA  1.0000000

# Logical向量
> a11<-LogicalVector_type(c(TRUE,FALSE))
> a11;class(a11)                                  # 默认对应R的logical类型
[1]  TRUE FALSE
[1] "logical"
> LogicalVector_type(c(TRUE,FALSE,TRUE,0,-1,NA))  # NA不处理，0为FALSE, 非0为TRUE
[1]  TRUE FALSE  TRUE FALSE  TRUE    NA

 # Date向量
> a12<-DateVector_type(c(Sys.Date(),as.Date(‘2016-10-10‘)))
> a12;class(a12)                                  # 默认对应R的Date类型
[1] "2016-08-01" "2016-10-10"
[1] "Date"
> DateVector_type(c(Sys.Date(),as.Date(‘2016-10-10‘),NA,TRUE,FALSE))   # NA不处理，TRUE为1970-01-02, FALSE为1970-01-01
[1] "2016-08-01" "2016-10-10" NA           "1970-01-02"
[5] "1970-01-01"

 # Datetime向量
> a13<-DatetimeVector_type(c(Sys.time(),as.POSIXct(‘2016-10-10‘)))
> a13;class(a13)                                  # 默认对应R的POSIXct类型
[1] "2016-08-01 20:05:25 CST" "2016-10-10 00:00:00 CST"
[1] "POSIXct" "POSIXt"
> DatetimeVector_type(c(Sys.time(),as.POSIXct(‘2016-10-10‘),NA,TRUE,FALSE))  # NA不处理
[1] "2016-08-01 20:05:25 CST" "2016-10-10 00:00:00 CST"
[3] NA                        "1970-01-01 08:00:01 CST"
[5] "1970-01-01 08:00:00 CST"

3.3 矩阵类型

矩阵类型，C++对应R语言的默认映射关系。C++的代码部分，如下所示：


// [[Rcpp::export]]
CharacterMatrix CharacterMatrix_type(CharacterMatrix x){
  return x;
}

// [[Rcpp::export]]
StringMatrix StringMatrix_type(StringMatrix x){
  return x;
}

// [[Rcpp::export]]
NumericMatrix NumericMatrix_type(NumericMatrix x){
  return x;
}

// [[Rcpp::export]]
IntegerMatrix IntegerMatrix_type(IntegerMatrix x){
  return x;
}

// [[Rcpp::export]]
LogicalMatrix LogicalMatrix_type(LogicalMatrix x){
  return x;
}

// [[Rcpp::export]]
ListMatrix ListMatrix_type(ListMatrix x){
  return x;
}

执行R语言调用


# Character矩阵
> a14<-CharacterMatrix_type(matrix(LETTERS[1:20],ncol=4))
> a14;class(a14)
     [,1] [,2] [,3] [,4]
[1,] "A"  "F"  "K"  "P"
[2,] "B"  "G"  "L"  "Q"
[3,] "C"  "H"  "M"  "R"
[4,] "D"  "I"  "N"  "S"
[5,] "E"  "J"  "O"  "T"
[1] "matrix"                        

# String矩阵，同Character矩阵
> a15<-StringMatrix_type(matrix(LETTERS[1:20],ncol=4))
> a15;class(a15)
     [,1] [,2] [,3] [,4]
[1,] "A"  "F"  "K"  "P"
[2,] "B"  "G"  "L"  "Q"
[3,] "C"  "H"  "M"  "R"
[4,] "D"  "I"  "N"  "S"
[5,] "E"  "J"  "O"  "T"
[1] "matrix"

# Numeric矩阵
> a16<-NumericMatrix_type(matrix(rnorm(20),ncol=4))
> a16;class(a16)
           [,1]       [,2]       [,3]       [,4]
[1,]  1.2315498  2.3234269  0.5974143  0.9072356
[2,]  0.3484811  0.3814024 -0.2018324  0.8717205
[3,] -0.2025285  2.1076947 -0.3433948  1.1523710
[4,] -1.4948252 -0.7724951 -0.7681800 -0.5406494
[5,]  0.4815904  1.4930873 -1.1444258  0.2537099
[1] "matrix"

# Integer矩阵
> a17<-IntegerMatrix_type(matrix(seq(1,10,length.out = 20),ncol=4))
> a17;class(a17)
     [,1] [,2] [,3] [,4]
[1,]    1    3    5    8
[2,]    1    3    6    8
[3,]    1    4    6    9
[4,]    2    4    7    9
[5,]    2    5    7   10
[1] "matrix"

# Logical矩阵
> a18<-LogicalMatrix_type(matrix(c(rep(TRUE,5),rep(FALSE,5),rnorm(10)),ncol=4))
> a18;class(a18)
     [,1]  [,2] [,3] [,4]
[1,] TRUE FALSE TRUE TRUE
[2,] TRUE FALSE TRUE TRUE
[3,] TRUE FALSE TRUE TRUE
[4,] TRUE FALSE TRUE TRUE
[5,] TRUE FALSE TRUE TRUE
[1] "matrix"

# List矩阵，支持多类型的矩阵
> a19<-ListMatrix_type(matrix(rep(list(a=1,b=‘2‘,c=NA,d=TRUE),10),ncol=5))
> a19;class(a19)
     [,1] [,2] [,3] [,4] [,5]
[1,] 1    1    1    1    1
[2,] "2"  "2"  "2"  "2"  "2"
[3,] NA   NA   NA   NA   NA
[4,] TRUE TRUE TRUE TRUE TRUE
[5,] 1    1    1    1    1
[6,] "2"  "2"  "2"  "2"  "2"
[7,] NA   NA   NA   NA   NA
[8,] TRUE TRUE TRUE TRUE TRUE
[1] "matrix"

3.4 其他数据类型

其他数据类型包括了，R语言特有的数据类型数据框(data.frame)，环境空间(Environment)，S3,S4,RC等的对象类型。


// [[Rcpp::export]]
Date Date_type(Date x){
  return x;
}

// [[Rcpp::export]]
Datetime Datetime_type(Datetime x){
  return x;
}

// [[Rcpp::export]]
S4 S4_type(S4 x){
  return x;
}

// [[Rcpp::export]]
RObject RObject_type(RObject x){
  return x;
}

// [[Rcpp::export]]
SEXP SEXP_type(SEXP x){
  return x;
}

// [[Rcpp::export]]
Environment Environment_type(Environment x){
  return x;
}

执行R语言调用


# data.frame类型
> a19<-DataFrame_type(data.frame(a=rnorm(3),b=1:3))
> a19;class(a19)
           a b
1 -1.8844994 1
2  0.6053935 2
3 -0.7693985 3
[1] "data.frame"

# list类型
> a20<-List_type(list(a=1,b=‘2‘,c=NA,d=TRUE))
> a20;class(a20)
$a
[1] 1
$b
[1] "2"
$c
[1] NA
$d
[1] TRUE
[1] "list"

# Date类型
> a21<-Date_type(Sys.Date())
> a21;class(a21)
[1] "2016-08-01"
[1] "Date"
> Date_type(Sys.time())                # 不能正确处理POSIXct类型的数据
[1] "4026842-05-26"

# POSIXct类型
> a22<-Datetime_type(Sys.time())
> a22;class(a22)
[1] "2016-08-01 20:27:37 CST"
[1] "POSIXct" "POSIXt"
> Datetime_type(Sys.Date())            # 不能正确处理Date类型的数据
[1] "1970-01-01 12:43:34 CST"

# S3面向对象类型，对应S4的类型定义
> setClass("Person",slots=list(name="character",age="numeric"))
> s4<-new("Person",name="F",age=44)
> a23<-S4_type(s4)
> a23;class(a23)
An object of class "Person"
Slot "name":
[1] "F"
Slot "age":
[1] 44
[1] "Person"
attr(,"package")
[1] ".GlobalEnv"

# S3面向对象类型 ，没有对应的类型，通过RObject来传值
> s3<-structure(2, class = "foo")
> a24<-RObject_type(s3)
> a24;class(a24)
[1] 2
attr(,"class")
[1] "foo"
[1] "foo"

# RObject也可以处理S4对象
> a25<-RObject_type(s4)
> a25;class(a25)
An object of class "Person"
Slot "name":
[1] "F"
Slot "age":
[1] 44
[1] "Person"
attr(,"package")
[1] ".GlobalEnv"

# RObject也可以处理RC对象
> User<-setRefClass("User",fields=list(name="character"))
> rc<-User$new(name="u1")
> a26<-RObject_type(rc)
> a26;class(a26)
Reference class object of class "User"
Field "name":
[1] "u1"
[1] "User"
attr(,"package")
[1] ".GlobalEnv"

# RObject也可以处理function类型
> a27<-RObject_type(function(x) x+2)
> a27;class(a27)
function(x) x+2
[1] "function"

# environment类型
> a28<-Environment_type(new.env())
> a28;class(a28)
<environment: 0x0000000015350a80>
[1] "environment"

# SEXP为任意类型，通过具体调用时再进行类型判断
> SEXP_type(‘fdafdaa‘)
[1] "fdafdaa"

> SEXP_type(rc)
Reference class object of class "User"
Field "name":
[1] "u1"

> SEXP_type(data.frame(a=rnorm(3),b=1:3))
           a b
1 -0.5396140 1
2  0.1694799 2
3 -1.8818596 3

> SEXP_type(function(x) x+2)
function(x) x+2

最后总结一下，R和Rcpp中类型对应的关系。

C++类型 R类型
char character
int integer
double numeric
bool logical
Rcpp::Date Date
Rcpp::Datetime POSIXct
Rcpp::CharacterVector character
Rcpp::StringVector character
Rcpp::NumericVector numeric
Rcpp::IntegerVector integer
Rcpp::DoubleVector numeric
Rcpp::LogicalVector logical
Rcpp::DateVector Date
Rcpp::DatetimeVector POSIXct
Rcpp::CharacterMatrix matrix
Rcpp::StringMatrix matrix
Rcpp::NumericMatrix matrix
Rcpp::IntegerMatrix matrix
Rcpp::LogicalMatrix matrix
Rcpp::ListMatrix matrix
Rcpp::DataFrame data.frame
Rcpp::List list
Rcpp::S4 S4
Rcpp::Environment environment
Rcpp::RObject 任意类型
Rcpp::SEXP 任意类型

本文简单地介绍了通过R语言Rcpp包调用C++程序的一种方法，调用的关键点就在于数据类型的匹配，而从保证R语言和C++之间的数据传输。从上面测试来看，R语言中的所有数据类型，都可以通过Rcpp包进行映射到C++的程序中。接下来，我们就可以根据自己的需求，把一些更关注的性能的程序放到C++中来实现，从而提高计算效率。

转载请注明出处：
http://blog.fens.me/r-cpp-rcpp

时间： 2024-11-05 13:36:05

R语言调用C++的相关文章

R语言︱H2o深度学习的一些R语言实践——H2o包

R语言H2o包的几个应用案例 笔者寄语:受启发想了解H2o平台的一些R语言实现,网上已有一篇H2o的demo文件.笔者在这多贴一些案例,并且把自己实践的一些小例子贴出来. 关于H2o平台长啥样,可以看H2o的官网,关于深度学习长啥样,可以看一些教程,比如ParallelR博客之中的解析. 下面主要是贴几个案例,让大家看看. ------------------------------------------------------------ Matt︱R语言调用深度学习架构系列引文 R语言︱H

R语言中文社区历史文章整理（类型篇）

R语言中文社区历史文章整理(类型篇) R包: R语言交互式绘制杭州市地图:leafletCN包简介 clickpaste包介绍 igraph包快速上手 jiebaR,从入门到喜欢 Catterplots包,让你绘制不一样的图 今天再来谈谈REmap包 ggplot2你需要知道的都在这... R访问数据库管理系统(通过RODBC包和RMySQL包两种方式) NLP--自然语言处理(三)text2vec包 Rattle:数据挖掘的界面化操作 借助caret包实现特征选择的工作 R语言的高质量图形渲染

哪怕你不认可，我还是要为R语言正名

有些业界从业人士对R语言的价值并不认可,他们认为R语言只针对统计分析.R语言的确提供了很全面的统计分析的软件包,比如CRAN,Bioconductor,Neuroconductor,以及ROpenSci;并且提供了优秀的包管理功能. 但加米谷教育请添加链接描述告诉你在与计算机领域朋友的沟通中得知,R语言其实已经成长为一种多功能的编程语言,它的功能远不限于数据分析而已.但是,R语言的很多优秀特性并不为R语言社区以外的人所熟知. 在本文中,我将给大家介绍那些不为人知,却又好用到难以置信的R语言功能.

C# 调用R语言

在.net项目中需要调用Matlab生成的DLL,但是在调用过程中报错,截图如下: 在网上搜索一下资料,看到该博客:https://cn.mathworks.com/matlabcentral/newsreader/view_thread/282351 知道了我调用的DLL中有Matlab工具箱里面的函数,Matlab不允许某些工具箱中的工具被封装成DLL,于是就出现了上图所示的错误. 然后想用R语言实现. 1.先下载R软件:http://mirrors.opencas.cn/cran/,选择b

.Net调用R语言

///加载自己写的R语言算法库 public List<double> GetZTFB(double[] data) { List<double> par = new List<double>(); try { //调用R语言算法 REngine.SetEnvironmentVariables(); REngine engine = REngine.GetInstance(null, true, null, null); NumericVector x = engine

在 SPSS Statistics 和 Modeler 中调用 R 语言的实现和应用

http://www.ibm.com/developerworks/cn/data/library/ba/ba-1401spss-r/index.html 登录 | 注册   IBM 技术主题 软件下载 社区 技术讲座 搜索 developerWorks 打印本页面 用电子邮件发送本页面 新浪微博 人人网 腾讯微博 搜狐微博 网易微博 Digg Facebook Twitter Delicious Linked In developerWorks 中国 技术主题 Information Mana

R语言-R调用C++程序

今天Mayuyu学习了如何利用R语言来调用C++程序.为什么要这么多呢? 因为R语言虽然方便,但是计算太慢了,尤其是在循环语句方面的使用,R语言简直是无法忍受,所以在R语言中为了提高速度,必要时候还得改用C++来实现. 在R语言中要调用C++是通过Rcpp这个包来实现的.所以要先安装Rcpp这个包咯!安装完成后Mayuyu就开始来写C++部分的代码了,框架如下图 在R语言传给C++的参数中,有R的各种类型,比如向量,矩阵等等.具体转化规则可以参考资料. 写完上述C++代码后,就可以来编译成*.s

Java调用R语言

R是统计计算的强大工具,JAVA是做应用系统的主流语言.JAVA负责系统的构建,R用来做运算引擎,从而实现应用型和分析性相结合的系统. 一.Rserve(远程通信模式) Rserve是一个基于TCP/IP的服务器,通过二进制协议传输数据,可以提供远程连接,使得客户端语言能够调用R. Rserve作为一个package发布在CRAN上,可以直接使用install.packages("Rserve")进行安装.需要使用时在R控制台下加载该包,然后输入命令Rserve(),开启服务器就可以供

R语言跨界调用C++

前言 使用R语言已经很多年了,对很多的R包都已经了解,唯独没有碰和C++相关的部分,这可能很大的原因和我长期使用Java的背景有关.但随着多语言的发展,跨语言应用的流行,打通各语言界限的方法也已经是成熟.让R和C++实现通信,已经变得很简单. 跟上跨语言的步伐,打开R和C++的通道,让C++来解决R性能的诟病吧. 目录 Rcpp的简单介绍 5分钟上手 数据类型转换 完整文章:http://blog.fens.me/r-cpp-rcpp