Прежде всего, отказ от ответственности: я использую Rcpp все время. Фактически, когда (переименованный к тому времени из Rcpp) RcppTemplate уже оставался сиротским и без обновлений в течение двух лет, я начал поддерживать его под его первоначальным именем Rcpp (под которым он был добавлен в RQuantLib ). Это было около года назад, и я внес несколько дополнительных изменений, которые вы можете найти в документации ChangeLog.
Теперь RcppTemplate совсем недавно вернулся после полных тридцати пяти месяцев без каких-либо обновлений или исправлений. Он содержит новый интересный код, но, похоже, он не имеет обратной совместимости, поэтому я не буду использовать его там, где я уже использовал Rcpp.
Rcppbind не очень активно поддерживался всякий раз, когда я проверял. У Уит Армстронга также есть шаблонный пакет интерфейса под названием rabstraction .
Встроенный - это нечто совершенно иное: он облегчает цикл компиляции / компоновки, «встраивая» вашу программу в виде строки символов R, которая затем компилируется, связывается и загружается. Я говорил с Олегом о встроенной поддержке Rcpp, что было бы неплохо.
Swig тоже интересно. Джо Ванг проделал отличную работу и обернул весь QuantLib для R. Но когда я в последний раз попробовал его, он больше не работал из-за некоторых изменений во внутреннем интерфейсе R. По словам кого-то из команды Swig, Джо все еще может работать над этим. Цель Swig - большие библиотеки в любом случае. Этот проект, вероятно, может быть связан с возрождением, но не без технических проблем.
Еще одно упоминание должно идти в RInside , который работает с Rcpp и позволяет встраивать R в приложения C ++.
Итак, подведем итог: Rcpp хорошо работает для меня, особенно для небольших исследовательских проектов, где вы просто хотите добавить одну или две функции. Он сфокусирован на простоте использования и позволяет вам «скрыть» некоторые внутренние компоненты R, с которыми не всегда интересно работать. Я знаю многих других пользователей, которым я помогал и выключал их по электронной почте. Так что я бы сказал, пойти на это.
В моих руководствах "Введение в HPC с R" есть несколько примеров Rcpp, RInside и inline.
Редактировать: Итак, давайте посмотрим на конкретный пример (взятый из слайдов «HPC with R Intro» и заимствованный у Стивена Милборроу, который взял его у Venables и Ripley). Задача состоит в том, чтобы перечислить все возможные комбинации определителя матрицы 2x2, содержащей только одну цифру в каждой позиции. Это может быть сделано умным векторизованным способом (как мы обсуждаем на слайдах учебника) или грубой силой следующим образом:
#include <Rcpp.h>
RcppExport SEXP dd_rcpp(SEXP v) {
SEXP rl = R_NilValue; // Use this when there is nothing to be returned.
char* exceptionMesg = NULL; // msg var in case of error
try {
RcppVector<int> vec(v); // vec parameter viewed as vector of ints
int n = vec.size(), i = 0;
if (n != 10000)
throw std::length_error("Wrong vector size");
for (int a = 0; a < 9; a++)
for (int b = 0; b < 9; b++)
for (int c = 0; c < 9; c++)
for (int d = 0; d < 9; d++)
vec(i++) = a*b - c*d;
RcppResultSet rs; // Build result set to be returned as list to R
rs.add("vec", vec); // vec as named element with name 'vec'
rl = rs.getReturnList(); // Get the list to be returned to R.
} catch(std::exception& ex) {
exceptionMesg = copyMessageToR(ex.what());
} catch(...) {
exceptionMesg = copyMessageToR("unknown reason");
}
if (exceptionMesg != NULL)
Rf_error(exceptionMesg);
return rl;
}
Если вы сохранили это как, скажем, dd.rcpp.cpp
и установили Rcpp , то просто используйте
PKG_CPPFLAGS=`Rscript -e 'Rcpp:::CxxFlags()'` \
PKG_LIBS=`Rscript -e 'Rcpp:::LdFlags()'` \
R CMD SHLIB dd.rcpp.cpp
для создания общей библиотеки. Мы используем Rscript
(или r
), чтобы спросить Rcpp о его заголовке и расположении библиотеки. После сборки мы можем загрузить и использовать это из R следующим образом:
dyn.load("dd.rcpp.so")
dd.rcpp <- function() {
x <- integer(10000)
res <- .Call("dd_rcpp", x)
tabulate(res$vec)
}
Таким же образом вы можете легко отправлять векторы, матрицы, ... различных типов данных R и C ++. Надеюсь, это поможет.
Редактировать 2 (примерно пять + лет спустя):
Так что этот ответ только что получил отклик и, следовательно, всплыл в моей очереди. много времени прошло с тех пор, как я написал его, и Rcpp стал на намного богаче по функциям. Поэтому я очень быстро написал это
#include <Rcpp.h>
// [[Rcpp::export]]
Rcpp::IntegerVector dd2(Rcpp::IntegerVector vec) {
int n = vec.size(), i = 0;
if (n != 10000)
throw std::length_error("Wrong vector size");
for (int a = 0; a < 9; a++)
for (int b = 0; b < 9; b++)
for (int c = 0; c < 9; c++)
for (int d = 0; d < 9; d++)
vec(i++) = a*b - c*d;
return vec;
}
/*** R
x <- integer(10000)
tabulate( dd2(x) )
*/
, который можно использовать следующим образом с кодом в файле /tmp/dd.cpp
R> Rcpp::sourceCpp("/tmp/dd.cpp") # on from any other file and path
R> x <- integer(10000)
R> tabulate( dd2(x) )
[1] 87 132 105 155 93 158 91 161 72 104 45 147 41 96
[15] 72 120 36 90 32 87 67 42 26 120 41 36 27 75
[29] 20 62 16 69 19 28 49 45 12 18 11 57 14 48
[43] 10 18 7 12 6 46 23 10 4 10 4 6 3 38
[57] 2 4 2 3 2 2 1 17
R>
Некоторые из ключевых отличий:
- более простая сборка: просто
sourceCpp()
it; даже выполняет тестовый код R в конце
- полноценный
IntegerVector
тип
- Оболочка обработки исключений, автоматически добавляемая
sourceCpp()
Генератором кода