• Menu
    • Nos Formations
    • Nos Prestations
    • Les Astuces
Skip to content
Astuces et scripts R
Astuces et scripts R
Primary Navigation Menu
Menu
  • Abcd’R
  • Tous les scripts
    • Voir les articles
    • Proposer un Article
  • Formation au logiciel R
  • Contact

Les dates de formations à R, éligibles au CPF sont en lignes !

Voir nos formations

Tester l’efficacité d’un code avec system.time

Par vincent
Le décembre 19, 2024
Dans performance
Tagged efficacité, system.time
Avec 0 Commentaire

Tester l’efficacité d’un code avec system.time en R

Lorsque nous écrivons du code en R, il est souvent important de s’assurer que notre code s’exécute efficacement, surtout lorsque nous travaillons avec de grandes quantités de données ou des algorithmes complexes. Une des manières les plus simples de mesurer le temps d’exécution d’un morceau de code en R est d’utiliser la fonction system.time().

Qu’est-ce que system.time() ?

La fonction system.time() mesure le temps nécessaire pour exécuter une expression R. Elle retourne un objet de type proc_time, qui contient trois valeurs :

  • user : le temps CPU utilisé par le processus utilisateur.
  • system : le temps CPU utilisé par le système.
  • elapsed : le temps réel écoulé (temps d’exécution total).

Exemple concret

Prenons un exemple simple où nous allons mesurer le temps nécessaire pour calculer la somme des carrés des nombres de 1 à 1 000 000.

Code R

# Définir une fonction pour calculer la somme des carrés
somme_carres <- function(n) {
  sum((1:n)^2)
}

# Mesurer le temps d'exécution de la fonction
temps_execution <- system.time({
  resultat <- somme_carres(1000000)
})

# Afficher le résultat et le temps d'exécution
print(paste("La somme des carrés de 1 à 1 000 000 est :", resultat))
print(temps_execution)

Explications

  1. Définition de la fonction : Nous avons défini une fonction somme_carres qui prend un nombre n et calcule la somme des carrés des nombres de 1 à n.
  2. Mesure du temps d’exécution : Nous utilisons system.time() pour mesurer le temps que prend l’exécution de la fonction somme_carres(1000000). Le code à l’intérieur des accolades {} est celui dont nous voulons mesurer le temps d’exécution.
  3. Affichage des résultats : Après l’exécution, nous affichons le résultat de la somme ainsi que le temps d’exécution. Le temps d’exécution est un objet qui contient les trois valeurs mentionnées précédemment.

Conclusion

Utiliser system.time() est une méthode efficace pour évaluer la performance de votre code en R. Cela vous permet d’identifier les parties de votre code qui pourraient être optimisées pour améliorer l’efficacité. N’hésitez pas à l’utiliser lors de vos prochaines analyses de données pour garantir que votre code fonctionne de manière optimale.

2024-12-19
Article précédent: Sélectionner des colonnes avec select de dplyr
Article suivant: Transformer les types de données avec as.numeric, as.character, etc.

Formation et consultance

Trouvez votre formation R sur-mesure chez ThinkR

-- Contactez-nous --

Catégories

Commentaires récents

  • Sébastien dans Comment effectuer des calculs de somme et de moyenne sur les colonnes ou les lignes d’une matrice ? colSums, rowSums, colMeans, rowMeans
  • Achraf Mazouz dans Comment effectuer des calculs de somme et de moyenne sur les colonnes ou les lignes d’une matrice ? colSums, rowSums, colMeans, rowMeans
  • Lou Sayd dans Coment alculer simplement la SEM dans R ? (Erreur Standard)
  • Nicolas dans Comment remplacer une chaîne de caractères ? string_replace_all(df, "pattern","replacement")
  • Vincent dans Comment comparer deux moyennes avec R grâce au test de Student ? t.test

Archives

Plan

  • Abcd’R
  • Tous les scripts
    • Proposer un Article
  • Ressources documentaires
    • Le logiciel R
    • Liste des interfaces graphiques
  • Formation au logiciel R
  • Contact
  • Politique de confidentialité

Flux ThinkR – Certification & Formation langage R

  • Déboguer une fonction avec debugonce() ou browser()
  • Dessinez pour gagner : L’impact des maquettes sur vos apps Shiny
  • Gérer et manipuler des dates en 2024 : une année pas comme les autres !
  • Retour vers le turfu : R, le web, et webR
  • Créer un package R et le versionner avec VSCode ? Mission possible !

Méta

  • Connexion
  • Flux des publications
  • Flux des commentaires
  • Site de WordPress-FR

ABCD'R (par ThinkR ) © 2025 - Confidentialité