健壮高效的代码

R可以是一种健壮、快速和高效的编程语言，但一些编码实践可能非常不幸。这里有一些建议。

指导原则

最主要的原则是确保你的代码是正确的。使用相同的()或all.equal ()为了确保正确性，以及单元测试确保代码修订的结果一致。
编写健壮的代码。避免不容易处理边缘情况的效率，例如0长度或NA值。
知道什么时候停止试图提高效率。如果计算代码只需要几分之一秒的时间，那么尝试进一步改进就没有意义了。使用system.time ()或者像这样的包裹微基准测试量化绩效收益。

常见的建议

Vectorize

向量化，而不是迭代(为循环,拉普兰人(),应用()是否存在常见的迭代习惯用法R)。一个调用y < - sqrt (x)用一个向量x的长度n是向量化函数的一个例子。像这样的呼叫Y <- sapply(x, sqrt)或者一个为循环For (i in seq_along(x)) y[i] <- sqrt(x[i])是同一调用的迭代版本，应该避免。通常，可以向量化的迭代计算“隐藏”在为循环

For (i in seq_len(n)){##…TMP <- foo(x[i]) y <- TMP + ##…}

可以被“吊”出环

TMP <- foo(x) for (i in seq_len(n)){##…Y <- tmp[i] + ##}

通常情况下，这个原则可以重复应用，并且是迭代的为循环变成了几行向量化函数调用。

“预分配和填充”如果迭代是必要的

Preallocate-and-fill(通常是通过拉普兰人()或vapp ())，而不是复制和附加。如果创建一个向量或结果列表，使用拉普兰人()(创建列表)或vapp ()(创建一个向量)而不是为循环。例如,

n < - 10000 x < vapp (seq_len (n),(我的函数 ) { ## ...},整数(1))

的内存分配x紧表示正在进行的变换。一个为如果迭代有副作用(例如，显示一个图)，或者一个值的计算依赖于之前的值，那么循环可能是合适的。控件中创建向量时为循环，总是预分配结果

x < -整数(n)如果(n > 0) x[1] < - 0(我在seq_len (n - 1)) {# # * (i + 1) < -…}

从来没有采用“复制-附加”策略

no_this <- function(n) {x <- integer() for (i in seq_len(n)) x[i] = i x}

的当前值x每一次通过循环，使n ^ 2 / 2总拷贝数，即使是在琐碎的计算中伸缩性也很差:

> system.time(not_this(10000)) user system elapsed 0.169 0.000 0.168 > system.time(not_this(100000)) user system elapsed 22.827 1.120 23.936

避免`1: n`风格的迭代

写seq_len (n)或seq_along (x)而不是1: n或1:长度(x)。这样可以防止n或长度(x)为0(在实际代码中经常作为意外的“边缘情况”出现)或为负。

重用现有的功能

有关常见的输入格式，请参阅常见的Bioconductor方法和类

如果出现问题，例如性能问题或解析特定文件类型时，请向bioc-devel邮件列表中的其他开发人员询问输入。2021欧洲杯体育投注开户“实现你自己的”的常见缺点是引入了非标准数据表示(例如，忽略了将文件格式的坐标系统转换为Bioconductor对象)和用户困惑。

重用现有的类

重用增强了之间的互操作性Bioconductor包，同时为数据操作提供健壮的代码。

使用GenomicRanges:农庄(和GRangesList)表示以1为基础的封闭区间基因组坐标。

使用SummarizedExperiment: SummarizedExperiment(有或没有范围作为行数据)坐标矩形特征x样本数据(例如，RNAseq计数矩阵)与特征和样本描述。使用SummarizedExperiment而不是老的ExpressionSet，特别是序列数据。

有关更多现有类，请参阅常见的Bioconductor方法和类

基本S4接口

记得重用常见的Bioconductor方法和类在实现新的表示之前。这鼓励了互操作性并简化了您自己的包开发。

如果您的数据需要新的表示或函数，请仔细设计一个S4类或通用类，以便具有类似需求的其他包开发人员能够重用您的辛苦工作，并使相关包的用户能够无缝地使用您的数据结构。2021欧洲杯体育投注开户不要犹豫，请在Bioc-devel邮件列表上询问建议。

对于您定义的任何类，实现并使用一个“构造函数”来创建对象。构造函数通常是普通的旧函数(而不是具有方法的泛型)。它提供了文档化和用户友好的参数，同时允许开发人员友好的实现。在您自己的代码、示例和小插图中使用构造函数。

实现一个显示()有效地向用户传达信息的方法，而不是用细节压倒他们。

访问器(返回对象组件的简单函数)而不是直接的槽访问(使用@)有助于将类的实现与其接口隔离开来。一般@应该只在访问器中使用，所有其他代码都应该使用该访问器。如果用户不需要或业务访问数据对象的部分，则不需要从类导出访问器。普通的旧函数(而不是泛型的+方法)通常对访问器足够了;通常使用(一致地)轻量级名称混淆方案(例如，用2或3个字母的首字母缩写开始您的包的访问方法名)以避免其他包中名称相似的函数之间的名称冲突是很有用的。

下面的布局有时用于组织类和方法;其他的方法是可能的和可接受的。

R/AllClasses中的所有类定义。R
R/AllGenerics中的所有泛型函数定义。R
方法定义在由泛型函数命名的文件中。例如,所有显示方法会在R/show-methods.R中。

DESCRIPTION文件中的Collates:字段可能需要在包安装期间对类和方法定义进行适当的排序。

平行的建议

我们建议使用BiocParallel。它为用户提供了一致的界面，并支持主要的并行计算风格:单个计算机上的分叉和进程、特设集群、批调度程序和云计算。默认情况下,BiocParallel选择适合操作系统的并行后端，并且在Unix、Mac和Windows上都得到支持。编码的要求BiocParallel是:

使用拉普兰人()样式的迭代，而不是显式的for循环。
的有趣的参数bplapply ()必须是一个独立的功能;函数中使用的所有符号都来自默认的R包，来自包要求()'，或作为参数传入。
允许用户指定BiocParallel后端。通过调用bplapply ()没有指定BPPARAM;然后，用户可以使用BiocParallel:注册()。

有关更多信息，请参见BiocParallel装饰图案。