Pular para o conteúdo principal

Curso

Escrevendo código R eficiente

IntermediárioNível de habilidade

Atualizado 01/2023

Aprenda a escrever código R mais rápido, descubra benchmarking e profiling e desvende os segredos da programação paralela.

Iniciar curso gratuitamente

RProgramming

4 h

14 vídeos

43 Exercícios

3,100 XP

56,928

Declaração de realização

Preferido por alunos de milhares de empresas

Treinando uma equipe?

Experimente para Empresas

Descrição do curso

A beleza do R é que ele foi feito para análise de dados. O lado negativo é que, às vezes, o R pode ser lento e atrapalhar a nossa análise. Por isso, é essencial conhecer as principais técnicas para acelerar seu trabalho, reduzindo o tempo de computação e obtendo insights o mais rápido possível.

Pré-requisitos

1

The Art of Benchmarking

In order to make your code go faster, you need to know how long it takes to run. This chapter introduces the idea of benchmarking your code.

Benchmarking

Comparing read times of CSV and RDS files

Operational differences: "<-" and "="

Elapsed time

Relative time

How good is your machine?

DataCamp hardware

Benchmark DataCamp's machine

Iniciar capítulo

2

Fine Tuning: Efficient Base R

R is flexible because you can often solve a single problem in many different ways. Some ways can be several orders of magnitude faster than the others. This chapter teaches you how to write fast base R code.

Memory allocation

Why is this piece of code slow?

Timings - growing a vector

Timings - pre-allocation

Importance of vectorizing your code

Vectorized code: multiplication

Vectorized code: calculating a log-sum

Data frames and matrices

Data frames vs. matrices

Data frames and matrices - column selection

Selecting a row in a data frame

Row timings

Iniciar capítulo

3

Diagnosing Problems: Code Profiling

Profiling helps you locate the bottlenecks in your code. This chapter teaches you how to visualize the bottlenecks using the profvis package.

What is code profiling

Profiling a function

Where's the hold-up?

Profvis in action

Profvis: Larger example

Change the data frame to a matrix

Calculating row sums

Use && instead of &

Monopoly overview

Iniciar capítulo

4

Turbo Charged Code: Parallel Programming

Some problems can be solved faster using multiple cores on your machine. This chapter shows you how to write R code that runs in parallel.

CPUs - why do we have more than one

How many cores does this machine have?

What sort of problems benefit from parallel computing?

Can this loop run in parallel (1)?

Can this loop run in parallel (2)?

The parallel package - parApply

Moving to parallel programming

Moving to parApply

The parallel package - parSapply

Using parSapply()

Timings parSapply()

You can write efficient R code!

Iniciar capítulo

Escrevendo código R eficiente

Curso
concluído

Obtenha um certificado de conclusão

Adicione esta credencial ao seu perfil do LinkedIn, currículo ou CV
Compartilhe nas redes sociais e em sua avaliação de desempenhoInscreva-se agora

Faça como mais de 19 milhões de alunos e comece Escrevendo código R eficiente hoje mesmo!

Desenvolva suas habilidades em dados com o app do DataCamp

Continue progredindo em qualquer lugar com nossos cursos para celular e desafios diários de programação de 5 minutos.