16

在 R 中使用 C++ 库的最佳方法是什么，希望保留 C++ 数据结构。我根本不是 C++ 用户，所以我不清楚可用方法的相对优点。R-ext 手册似乎建议将每个 C++ 函数包装在 C 中。但是，至少存在四五种其他方法来合并 C++。

两种方式是具有相似血统的包，Rcpp（由多产的溢出者 Dirk Eddelbuettel 维护）和 RcppTemplate 包（都在 CRAN 上），两者之间有什么区别？

R forge 上的另一个包 rcppbind 可用，它声称采用不同的方法来绑定 C++ 和 R（我不知道如何判断）。

CRAN 上可用的包内联，声称允许内联 C/C++ 我不确定这与内置功能不同，除了允许代码内联 w/R。

最后， RSwig似乎很流行，但目前还不清楚它的支持程度，因为作者的页面已经多年没有更新了。

我的问题是，这些不同方法的相对优点是什么。哪些是最便携和最健壮的，哪些是最容易实现的。如果你打算在 CRAN 上分发一个包，你会使用哪种方法？

4

1 回答 1

18

首先，免责声明：我一直使用Rcpp。事实上，当（已经从 Rcpp 重命名）RcppTemplate 已经成为孤儿并且两年没有更新时，我开始以它的初始名称 Rcpp 维护它（它已被贡献给RQuantLib）。那是大约一年前，我做了一些增量更改，您可以在 ChangeLog 中找到这些更改。

现在 RcppTemplate 在整整 35 个月后又回来了，没有任何更新或修复。它包含有趣的新代码，但它似乎不向后兼容，所以我不会在已经使用过 Rcpp 的地方使用它。

每当我检查时， Rcppbind的维护都不是很积极。Whit Armstrong 还有一个名为rabstraction的模板化界面包。

内联是完全不同的东西：它通过将程序“嵌入”为 R 字符串，然后被编译、链接和加载，从而简化了编译/链接周期。我已经和 Oleg 谈过拥有内联支持 Rcpp 这会很好。

Swig也很有趣。Joe Wang 在那里做得很好，并为 R 包装了所有 QuantLib。但是当我上次尝试它时，由于 R 内部结构的一些变化，它不再起作用。据 Swig 团队的人说，Joe 可能仍在努力。无论如何，Swig 的目标是更大的库。该项目可能会复兴，但并非没有技术挑战。

另一个值得一提的是RInside，它与 Rcpp 一起使用，并允许您将 R 嵌入到 C++ 应用程序中。

总结一下：Rcpp 对我来说效果很好，特别是对于你只想添加一两个函数的小型探索性项目。它的重点是易用性，它允许您“隐藏”一些使用起来并不总是很有趣的 R 内部结构。我知道我通过电子邮件断断续续地帮助过许多其他用户。所以我会说去这个。

我的“使用 R 的 HPC 简介”教程有一些 Rcpp、RInside 和内联的示例。

编辑： 让我们看一个具体的例子（取自'HPC with R Intro'幻灯片，并从斯蒂芬米尔博罗那里借来，他从维纳布尔斯和里普利那里得到它）。任务是枚举每个位置仅包含单个数字的 2x2 矩阵的行列式的所有可能组合。这可以通过巧妙的矢量化方式（正如我们在教程幻灯片中讨论的那样）或通过蛮力来完成，如下所示：

#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;
}

如果你把它保存为，比如说，dd.rcpp.cpp并安装了Rcpp，那么只需使用

PKG_CPPFLAGS=`Rscript -e 'Rcpp:::CxxFlags()'`  \
    PKG_LIBS=`Rscript -e 'Rcpp:::LdFlags()'`  \
    R CMD SHLIB dd.rcpp.cpp

建立一个共享库。我们使用Rscript(or r) 向Rcpp询问它的头文件和库位置。构建完成后，我们可以从 R 中加载并使用它，如下所示：

dyn.load("dd.rcpp.so")

dd.rcpp <- function() {
    x <- integer(10000)
    res <- .Call("dd_rcpp", x)
    tabulate(res$vec)
}

同样，您可以轻松地向后发送各种 R 和 C++ 数据类型的向量、矩阵等。希望这会有所帮助。

编辑2（大约五年后）：

所以这个答案刚刚获得了赞成票，因此在我的队列中冒泡了。自从我写它以来已经过去了很多时间，并且 Rcpp的功能变得更加丰富。所以我很快就写了这个

#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) )
*/

可以与文件中的代码一起使用，如下所示/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>

一些主要区别是：

  • 更简单的构建：就是sourceCpp()它；甚至在最后执行 R 测试代码
  • 成熟IntegerVector型
  • sourceCpp()代码生成器自动添加的异常处理包装器
于 2009-11-12T17:55:30.087 回答