如何使用RcppParallel创建Rcpp::CharacterMatrix的线程安全包装？
如何使用RcppParallel创建Rcpp::CharacterMatrix的线程安全包装？
提问于 2017-04-15 16:53:57
我有一个任务，我需要处理一个大型矩阵(数百万行，数百列)的字符串。每一行操作都是独立的。因此，我想利用一些并行计算来提高整个项目的速度。
如果我为数字矩阵构建myWorker，如下所示，我就能够编译代码而不会出现错误
// [[Rcpp::depends(RcppParallel)]]
#include <RcppParallel.h>
#include <Rcpp.h>
#include <string.h>
struct myWorker : public RcppParallel::Worker
{
// input
const RcppParallel::RMatrix<double> input;
int version;
// output
RcppParallel::RMatrix<double> outmat;
// initialization
myWorker(const Rcpp::NumericMatrix input, int version, Rcpp::NumericMatrix outmat)
: input(input), version(version), outmat(outmat) {}
// the operator
void operator()(std::size_t begin, std::size_t end) {
// do stuff
}
};但是，当我将输入矩阵和初始化设置为使用Rcpp::CharacterMatrix时，我得到了编译错误。
In instantiation of ‘RcppParallel::RMatrix<T>::RMatrix(const Source&) [with
Source = Rcpp::Matrix<16>; T = <typehere>]
R/x86_64-pc-linux-gnu-library/3.3/RcppParallel/include/RcppParallel/RMatrix.h:198:28:
error: cannot convert ‘Rcpp::Matrix<16>::iterator {aka
Rcpp::internal::Proxy_Iterator<Rcpp::internal::string_proxy<16> >}’ to
‘std::basic_string<char>*’ in initialization
ncol_(source.ncol())我用myWorker(const Rcpp::NumericMatrix input尝试过的组合
const RcppParallel::RMatrix<std::string> input;
const RcppParallel::RMatrix<char> input;
const RcppParallel::RMatrix<char*> input;
const RcppParallel::RMatrix<char**> input;
const RcppParallel::RMatrix<char32_t> input;这些指针不是一个好主意。其他选项会导致上面提到的常见错误。
一个非常类似的问题被问到了here。
有没有一种简单的方法可以用RcppParallel::RMatrix包装一个Rcpp::NumericMatrix，以便使用字符矩阵进行线程安全的工作？
编辑
有关该任务的更多详细信息：
imput矩阵由ICD-9-CM或ICD-10-CM代码组成，需要将它们与一组代码进行比较以确定分类。有数百万行、数百列和大约12个分类。
纯R中的一个小示例是：
classification_1 <-
c("99680", "99688", "99689", "V421", "V422", "V426", "V5391", "4697", "5051",
"5059", "5280", "5282", "4103", "0091", "0092", "0093")
classification_2 <-
c("14", "15", "16", "17", "18", "19", "20", "23", "V4281", "V4282", "0010", "9925")
icd_codes <-
structure(c("5282", "3320", "4100", "0234", "V426", "3895", "3592",
"5651", "0397", "V5302", "5675", "0092", "V461", "4697", "5571",
"3776", "9964", "9702", "3583", "8607", "99661", "3767", "3129",
"3182", "5503", "5285", "4641", "6861", "3351", "2751", "76511",
"V446", "34581", "7472", "5190", "9723", "28801", "0010", "8103",
"4270", "9962", "4211", "4242", "34511", "3352", "0372", "76492",
"5675", "284", "4281", "3314", "0681", "3781", "0152", "3760",
"3763", "5597", "4399", "V5351", "8108", "3994", "4581", "V460",
"5533", "8137", "99663", "4210", "741", "5722", "8949", "76412",
"5569", "5674", "99667", "7707", "3753", "8606", "V553", "5051",
"2884", "5059", "7711", "8136", "5673", "7373", "2821", "5993",
"3776", "2822", "4274", "3789", "0371", "3591", "76523", "5722",
"V56", "V445", "2359", "4243", "99683"), .Dim = c(5L, 20L))
apply(icd_codes, 1,
function(x) {
c(class1 = as.integer(any(x %in% classification_1)),
class2 = as.integer(any(x %in% classification_2)))
}) icd_codes对象的每一行都可以并行计算。由于我有一个以上工作的单线程C++版本，我希望使用RcppParallel来提高工作的整体速度，最重要的是，以一种尽可能接近操作系统独立的方式来这样做。与我一起工作的小组由Windows、OSX和Linux用户组成。
回答 1
Stack Overflow用户
发布于 2018-12-17 05:38:55
有关共病分类问题的基于Rcpp的矩阵代数的极快解决方案，请参阅我的包icd，特别是在methodology上发送给JSS的PDF文章。
字符串处理永远不会很快，因为您在分析时很快就会发现，无论您做了多少更高级别的优化。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/43424114
复制相关文章
相似问题
腾讯云开发者
