當您有一個額外的變量時，循環在R中創建許多圖塊

Question

我經常會遇到太多分類變量無法令人滿意地繪製到一個圖上的數據。當出現這種情況時，我會寫一些東西來循環變量並保存特定於該變量的幾個圖。

通過以下例子可以說明這個過程：

library(tidyr) 
library(dplyr) 
library(ggplot2) 

mtcars <- add_rownames(mtcars, "car") 

param<-unique(mtcars$cyl) 
for (i in param) 
{ 
mcplt <- mtcars %>% filter(cyl==i) %>% ggplot(aes(x=mpg, y=hp)) + 
    geom_point() + 
    facet_wrap(~car) + 
    ggtitle(paste("Cylinder Type: ",i,sep="")) 
    ggsave(mcplt, file=paste("Type",i,".jpeg",sep="")) 
} 

每次，我在網上看到，雖然循環引用，每個人似乎都在表明，循環通常不會在R.一個很好的策略。如果是這樣的話，任何人都可以推薦一個更好的方式來達到與上面相同的結果嗎？我會特別感興趣的東西，因爲SOOOO速度較慢。但也許解決方案是，這是最好的解決方案。我只是好奇，如果有人能改善這一點。

在此先感謝。

Answer 1

這是一個關於R的主題，請參閱SO帖子here和here。 Answers to this question強調*apply()替代for()提高清晰度，使並行化更容易，並在某些情況下加快問題。但是，大概你的真正的的問題是'我該如何做得更快''，因爲它花的時間太長了，你不開心。在你的循環內，你正在做3個不同的任務。

1. 打破了使用filter()
2. 做圖數據幀的一大塊。
3. 將圖表保存爲jpeg。

有三種方法可以完成這三個步驟，所以讓我們嘗試並評估所有這些步驟。我將使用ggplot2中的鑽石數據，因爲它比汽車數據大。我希望以這種方式注意方法之間的性能差異。我從this chapter of Hadley Wickham's book on measuring performance瞭解到很多。

爲了能夠使用分析功能，我將下面的代碼塊放入函數中，並將其保存在名爲for_solution.r的單獨R文件中。

f <- function(){ 
    param <- unique(diamonds$cut) 
    for (i in param){ 
    mcplt <- diamonds %>% filter(cut==i) %>% ggplot(aes(x=carat, y=price)) + 
     geom_point() + 
     facet_wrap(~color) + 
     ggtitle(paste("Cut: ",i,sep="")) 
    ggsave(mcplt, file=paste("Cut",i,".jpeg",sep="")) 
    } 
} 

，然後我做的：

library(dplyr) 
library(ggplot2) 
source("for_solution.r",keep.source=TRUE) 
Rprof(line=TRUE) 
f() 
Rprof(NULL) 
summaryRprof(lines="show") 

審查其輸出我看到的代碼塊花費97.25％的時間剛剛保存的文件。檢查ggsave()的來源，我可以看到該功能正在進行大量的防禦性編程，以識別輸出的類型，然後打開圖形設備，打印並關閉設備。所以我想知道如果手動做這個步驟會有幫助。我也將利用這樣一個事實，即一個jpeg設備將自動爲每個頁面生成新文件，以便只打開和關閉一次設備。

f1 <- function(){ 
    param <- unique(diamonds$cut) 
    jpeg("cut%03d.jpg",width=par("din")[1],height=par("din")[2],units="in",res=300) # open the jpeg device, change defaults to match ggsave() 
    for (i in param){ 
    mcplt <- diamonds %>% filter(cut==i) %>% ggplot(aes(x=carat, y=price)) + 
     geom_point() + 
     facet_wrap(~color) + 
     ggtitle(paste("Cut: ",i,sep="")) 
    print(mcplt) 
    } 
    dev.off() 
} 

現在又來剖析

Rprof(line=TRUE) 
f1() 
Rprof(NULL) 
summaryRprof(lines="show") 

f1()仍然花費大部分的時間在print(mcplt)，並且它比以前稍快（1.96秒相比2.18秒）。加快速度的一種可能方式是使用更小的設備（分辨率更低或圖像更小）;當我使用jpeg()的默認值時，差異更大，更快了25％。我也嘗試將設備更改爲png()，但這並沒有什麼不同。

基於性能分析，我不認爲這會有所幫助，但爲了完整起見，我將嘗試取消for循環，並在012p內運行dplyr中的所有內容。我發現this question和this one在這裏很有幫助。

jpeg("cut%03d.jpg",width=par("din")[1],height=par("din")[2],units="in",res=300) # open the jpeg device, change defaults to match ggsave() 
plots = diamonds %>% group_by(cut) %>% 
    do({plot=ggplot(aes(x=carat, y=price),data=.) + 
     geom_point() + 
     facet_wrap(~color) + 
     ggtitle(paste("Cut: ",.$cut,sep="")) 
    print(plot)}) 

dev.off() 

運行的代碼給

Error: Results are not data frames at positions: 1, 2, 3

，但它似乎工作。我相信do()返回時會出現錯誤，因爲print（）方法沒有返回data.frame。分析它似乎表明它運行速度更快，總體爲1.78秒。但我不喜歡解決方案產生錯誤，即使它們不會造成問題。

我要停在這裏，但我已經學會了在哪裏集中了極大關注。其他的事情，試圖將包括：

1. 使用parallel或類似於一個獨立的進程中運行數據幀的每個塊的東西。如果問題是保存文件，我不確定這會有幫助，但是如果渲染圖像是由CPU完成的話，我想。
2. 嘗試使用data.table而不是dplyr，但再一次，它的打印速度很慢。
3. 嘗試使用基礎圖形和點陣圖形，而不是使用ggplot2。我不知道相對速度，但它可能會有所不同。
4. 購買更快的硬盤！我只是將家用電腦上的f（）速度與普通硬盤驅動器的速度比較，以便我的工作機器使用SSD - 速度比上述時間慢3倍。