Rコードの実行速度が遅く、このコードを高速化および書き直す方法

Question

stu.csvには850,000行と3列が含まれています。 2列目はIDの経度、3列目はIDの緯度です。 stu.csvファイルのデータは次のようになります。

ID longitude latitude 
    156 41.88367183 12.48777756 
    187 41.92854333 12.46903667 
    297 41.89106861 12.49270456 
    89 41.79317669 12.43212196 
    79 41.90027472 12.46274618 
    ...  ...   ... 

擬似コードは次のとおりです。それは経度と緯度と地球の表面上に2つのIDの間の距離を計算することを目的とする、任意の2つのIDから累積和を出力：

dlon = lon2 - lon1 
    dlat = lat2 - lat1 
    a = (sin(dlat/2))^2 + cos(lat1) * cos(lat2) * (sin(dlon/2))^2 
    c = 2 * atan2(sqrt(a), sqrt(1-a)) 
    distance = 6371000 * c (where 6371000 is the radius of the Earth) 

このコードは以下の通りであるが、それは遅すぎる実行されます。どのように高速化し、コードを書き換えますか？ありがとうございました。

stu<-read.table("stu.csv",header=T,sep=","); 

    ## stu has 850,000 rows and 3 columns. 

    m<-nrow(stu); 

    distance<-0; 

    for (i in 1:(m-1)) 
    { 
     for (j in (i+1)) 
     {  
     dlon = stu[j,2] - stu[i,2]; 
     dlat = stu[j,3] - stu[i,3]; 
     a = (sin(dlat/2))^2 + cos(stu[i,3]) * cos(stu[j,3]) * (sin(dlon/2))^2; 
     c = 2 * atan2(sqrt(a), sqrt(1-a)); 
     distance <-distance+6371000 * c; 
     } 
    } 

    distance 

Answer 1

あなたのケースでは、我々はベクトル化することができます：

x <- read.table(text = "ID longitude latitude 
156 41.88367183 12.48777756 
187 41.92854333 12.46903667 
297 41.89106861 12.49270456 
89 41.79317669 12.43212196 
79 41.90027472 12.46274618", header= TRUE) 


x$laglon <- dplyr::lead(x$longitude, 1) 
x$laglat <- dplyr::lead(x$latitude, 1) 


distfunc <- function(long, lat, newlong, newlat){ 
    dlon = newlong - long 
    dlat = newlat - lat 
    a = (sin(dlat/2))^2 + cos(lat) * cos(newlat) * (sin(dlon/2))^2 
    c = 2 * atan2(sqrt(a), sqrt(1-a)) 
    6371000 * c 
} 

distfunc(x$longitude, x$latitude, x$laglon, x$laglat) 
308784.6 281639.6 730496.0 705004.2  NA 

は、取得するために、出力のCUMSUMを取ります総距離。万行で

、それは私のシステム上の周りに0.4秒かかります

Answer 2

あなたが探しているものは、「ループをベクトル化する」と呼ばれています。 this related questionを参照してください。

基本的な考え方は、最初のセルがどのように処理されるかという保証がない限り、CPUは最初のセルの処理を終了してから2番目のセルに移動する必要があります。 2番目のセル。しかし、ベクトル計算の場合、その保証が存在し、可能な限り多くの要素を同時に処理することができ、高速化につながります。 （これがうまくいく理由は他にもありますが、それが基本的な動機です）。

ループ内でコードを書き直す方法については、Rのthis introduction〜を参照してください。それが累積距離である場合（。あなたがあるとして維持することができるはず計算の多く）