অন্যান্য উত্তরে, কেবলমাত্র listও (1) সংযোজনে ফলাফলের ফলাফল ঘটে, তবে এটি গভীরভাবে নেস্টেড তালিকার কাঠামোর ফল দেয়, এবং একটি সরল একক তালিকা নয়। আমি নীচের ডেটাস্ট্রাকচারগুলি ব্যবহার করেছি, তারা ও (1) (মোড়িত) সংযোজনকে সমর্থন করে এবং ফলাফলটিকে একটি সরল তালিকায় ফিরে রূপান্তর করতে দেয়।
expandingList <- function(capacity = 10) {
buffer <- vector('list', capacity)
length <- 0
methods <- list()
methods$double.size <- function() {
buffer <<- c(buffer, vector('list', capacity))
capacity <<- capacity * 2
}
methods$add <- function(val) {
if(length == capacity) {
methods$double.size()
}
length <<- length + 1
buffer[[length]] <<- val
}
methods$as.list <- function() {
b <- buffer[0:length]
return(b)
}
methods
}
এবং
linkedList <- function() {
head <- list(0)
length <- 0
methods <- list()
methods$add <- function(val) {
length <<- length + 1
head <<- list(head, val)
}
methods$as.list <- function() {
b <- vector('list', length)
h <- head
for(i in length:1) {
b[[i]] <- head[[2]]
head <- head[[1]]
}
return(b)
}
methods
}
সেগুলি নিম্নলিখিত হিসাবে ব্যবহার করুন:
> l <- expandingList()
> l$add("hello")
> l$add("world")
> l$add(101)
> l$as.list()
[[1]]
[1] "hello"
[[2]]
[1] "world"
[[3]]
[1] 101
এই সমাধানগুলি সম্পূর্ণ বস্তুগুলিতে বিস্তৃত হতে পারে যা নিজেরাই তালিকার সাথে সম্পর্কিত অপারেশনগুলিকে সমর্থন করে তবে এটি পাঠকের জন্য অনুশীলন হিসাবে থাকবে।
নামযুক্ত তালিকার জন্য অন্য একটি রূপ:
namedExpandingList <- function(capacity = 10) {
buffer <- vector('list', capacity)
names <- character(capacity)
length <- 0
methods <- list()
methods$double.size <- function() {
buffer <<- c(buffer, vector('list', capacity))
names <<- c(names, character(capacity))
capacity <<- capacity * 2
}
methods$add <- function(name, val) {
if(length == capacity) {
methods$double.size()
}
length <<- length + 1
buffer[[length]] <<- val
names[length] <<- name
}
methods$as.list <- function() {
b <- buffer[0:length]
names(b) <- names[0:length]
return(b)
}
methods
}
benchmarks
@ ফোনেট্যাগারের কোড (যা @ ক্রোন আরকনিসের কোডের উপর ভিত্তি করে) ব্যবহার করে পারফরম্যান্স তুলনা। আমিও একটি যুক্ত করেছি এবং কিছুটা better_env_as_containerপরিবর্তন করেছি env_as_container_। আসলটি env_as_container_ভেঙে গেছে এবং আসলে সমস্ত সংখ্যা সঞ্চয় করে না।
library(microbenchmark)
lPtrAppend <- function(lstptr, lab, obj) {lstptr[[deparse(lab)]] <- obj}
### Store list inside new environment
envAppendList <- function(lstptr, obj) {lstptr$list[[length(lstptr$list)+1]] <- obj}
env2list <- function(env, len) {
l <- vector('list', len)
for (i in 1:len) {
l[[i]] <- env[[as.character(i)]]
}
l
}
envl2list <- function(env, len) {
l <- vector('list', len)
for (i in 1:len) {
l[[i]] <- env[[paste(as.character(i), 'L', sep='')]]
}
l
}
runBenchmark <- function(n) {
microbenchmark(times = 5,
env_with_list_ = {
listptr <- new.env(parent=globalenv())
listptr$list <- NULL
for(i in 1:n) {envAppendList(listptr, i)}
listptr$list
},
c_ = {
a <- list(0)
for(i in 1:n) {a = c(a, list(i))}
},
list_ = {
a <- list(0)
for(i in 1:n) {a <- list(a, list(i))}
},
by_index = {
a <- list(0)
for(i in 1:n) {a[length(a) + 1] <- i}
a
},
append_ = {
a <- list(0)
for(i in 1:n) {a <- append(a, i)}
a
},
env_as_container_ = {
listptr <- new.env(hash=TRUE, parent=globalenv())
for(i in 1:n) {lPtrAppend(listptr, i, i)}
envl2list(listptr, n)
},
better_env_as_container = {
env <- new.env(hash=TRUE, parent=globalenv())
for(i in 1:n) env[[as.character(i)]] <- i
env2list(env, n)
},
linkedList = {
a <- linkedList()
for(i in 1:n) { a$add(i) }
a$as.list()
},
inlineLinkedList = {
a <- list()
for(i in 1:n) { a <- list(a, i) }
b <- vector('list', n)
head <- a
for(i in n:1) {
b[[i]] <- head[[2]]
head <- head[[1]]
}
},
expandingList = {
a <- expandingList()
for(i in 1:n) { a$add(i) }
a$as.list()
},
inlineExpandingList = {
l <- vector('list', 10)
cap <- 10
len <- 0
for(i in 1:n) {
if(len == cap) {
l <- c(l, vector('list', cap))
cap <- cap*2
}
len <- len + 1
l[[len]] <- i
}
l[1:len]
}
)
}
# We need to repeatedly add an element to a list. With normal list concatenation
# or element setting this would lead to a large number of memory copies and a
# quadratic runtime. To prevent that, this function implements a bare bones
# expanding array, in which list appends are (amortized) constant time.
expandingList <- function(capacity = 10) {
buffer <- vector('list', capacity)
length <- 0
methods <- list()
methods$double.size <- function() {
buffer <<- c(buffer, vector('list', capacity))
capacity <<- capacity * 2
}
methods$add <- function(val) {
if(length == capacity) {
methods$double.size()
}
length <<- length + 1
buffer[[length]] <<- val
}
methods$as.list <- function() {
b <- buffer[0:length]
return(b)
}
methods
}
linkedList <- function() {
head <- list(0)
length <- 0
methods <- list()
methods$add <- function(val) {
length <<- length + 1
head <<- list(head, val)
}
methods$as.list <- function() {
b <- vector('list', length)
h <- head
for(i in length:1) {
b[[i]] <- head[[2]]
head <- head[[1]]
}
return(b)
}
methods
}
# We need to repeatedly add an element to a list. With normal list concatenation
# or element setting this would lead to a large number of memory copies and a
# quadratic runtime. To prevent that, this function implements a bare bones
# expanding array, in which list appends are (amortized) constant time.
namedExpandingList <- function(capacity = 10) {
buffer <- vector('list', capacity)
names <- character(capacity)
length <- 0
methods <- list()
methods$double.size <- function() {
buffer <<- c(buffer, vector('list', capacity))
names <<- c(names, character(capacity))
capacity <<- capacity * 2
}
methods$add <- function(name, val) {
if(length == capacity) {
methods$double.size()
}
length <<- length + 1
buffer[[length]] <<- val
names[length] <<- name
}
methods$as.list <- function() {
b <- buffer[0:length]
names(b) <- names[0:length]
return(b)
}
methods
}
ফলাফল:
> runBenchmark(1000)
Unit: microseconds
expr min lq mean median uq max neval
env_with_list_ 3128.291 3161.675 4466.726 3361.837 3362.885 9318.943 5
c_ 3308.130 3465.830 6687.985 8578.913 8627.802 9459.252 5
list_ 329.508 343.615 389.724 370.504 449.494 455.499 5
by_index 3076.679 3256.588 5480.571 3395.919 8209.738 9463.931 5
append_ 4292.321 4562.184 7911.882 10156.957 10202.773 10345.177 5
env_as_container_ 24471.511 24795.849 25541.103 25486.362 26440.591 26511.200 5
better_env_as_container 7671.338 7986.597 8118.163 8153.726 8335.659 8443.493 5
linkedList 1700.754 1755.439 1829.442 1804.746 1898.752 1987.518 5
inlineLinkedList 1109.764 1115.352 1163.751 1115.631 1206.843 1271.166 5
expandingList 1422.440 1439.970 1486.288 1519.728 1524.268 1525.036 5
inlineExpandingList 942.916 973.366 1002.461 1012.197 1017.784 1066.044 5
> runBenchmark(10000)
Unit: milliseconds
expr min lq mean median uq max neval
env_with_list_ 357.760419 360.277117 433.810432 411.144799 479.090688 560.779139 5
c_ 685.477809 734.055635 761.689936 745.957553 778.330873 864.627811 5
list_ 3.257356 3.454166 3.505653 3.524216 3.551454 3.741071 5
by_index 445.977967 454.321797 515.453906 483.313516 560.374763 633.281485 5
append_ 610.777866 629.547539 681.145751 640.936898 760.570326 763.896124 5
env_as_container_ 281.025606 290.028380 303.885130 308.594676 314.972570 324.804419 5
better_env_as_container 83.944855 86.927458 90.098644 91.335853 92.459026 95.826030 5
linkedList 19.612576 24.032285 24.229808 25.461429 25.819151 26.223597 5
inlineLinkedList 11.126970 11.768524 12.216284 12.063529 12.392199 13.730200 5
expandingList 14.735483 15.854536 15.764204 16.073485 16.075789 16.081726 5
inlineExpandingList 10.618393 11.179351 13.275107 12.391780 14.747914 17.438096 5
> runBenchmark(20000)
Unit: milliseconds
expr min lq mean median uq max neval
env_with_list_ 1723.899913 1915.003237 1921.23955 1938.734718 1951.649113 2076.910767 5
c_ 2759.769353 2768.992334 2810.40023 2820.129738 2832.350269 2870.759474 5
list_ 6.112919 6.399964 6.63974 6.453252 6.910916 7.321647 5
by_index 2163.585192 2194.892470 2292.61011 2209.889015 2436.620081 2458.063801 5
append_ 2832.504964 2872.559609 2983.17666 2992.634568 3004.625953 3213.558197 5
env_as_container_ 573.386166 588.448990 602.48829 597.645221 610.048314 642.912752 5
better_env_as_container 154.180531 175.254307 180.26689 177.027204 188.642219 206.230191 5
linkedList 38.401105 47.514506 46.61419 47.525192 48.677209 50.952958 5
inlineLinkedList 25.172429 26.326681 32.33312 34.403442 34.469930 41.293126 5
expandingList 30.776072 30.970438 34.45491 31.752790 38.062728 40.712542 5
inlineExpandingList 21.309278 22.709159 24.64656 24.290694 25.764816 29.158849 5
আমি যোগ করেছি linkedListএবং expandingListএবং উভয়ের একটি অন্তর্ভুক্ত সংস্করণ। inlinedLinkedListমূলত একটি অনুলিপি list_, কিন্তু এটি একটি প্লেইন তালিকায় নেস্টেড গঠন ফিরে পরিবর্তন করে। এর বাইরে ইনলাইনড এবং অন-ইনলাইনড সংস্করণগুলির মধ্যে পার্থক্যটি ফাংশন কলগুলির ওভারহেডের কারণে।
সমস্ত রূপ এবং expandingListও linkedList(1) পরিচ্ছন্নতা প্রদর্শন, বেনমার্ক সময় যুক্ত আইটেম সংখ্যার সাথে রৈখিকভাবে স্কেলিং সঙ্গে। linkedListএর চেয়ে ধীরে ধীরে expandingListএবং ফাংশন কল ওভারহেডটিও দৃশ্যমান। সুতরাং আপনি যদি পেতে পারেন এমন সমস্ত গতি যদি সত্যিই প্রয়োজন হয় (এবং আর কোডটি আটকে রাখতে চান) তবে এর ইনলাইনড সংস্করণ ব্যবহার করুন expandingList।
আমি আর এর সি বাস্তবায়নের দিকেও নজর রেখেছি এবং আপনার স্মৃতিশক্তি শেষ না হওয়া পর্যন্ত উভয় পদ্ধতিরই (1) কোনও আকারের জন্য সংযোজন করা উচিত।
আমিও বদলেছি env_as_container_, আসল সংস্করণটি প্রতিটি আইটেমকে সূচক "i" এর অধীনে সংরক্ষণ করবে, পূর্বে সংযুক্ত আইটেমটি ওভাররাইট করে। better_env_as_containerআমি যোগ করেছি খুব অনুরূপ env_as_container_কিন্তু ছাড়া deparseস্টাফ। উভয়ই ও (1) পারফরম্যান্স প্রদর্শন করে তবে তাদের ওভারহেড রয়েছে যা সংযুক্ত / প্রসারিত তালিকার তুলনায় বেশ খানিকটা বড়।
মেমরি ওভারহেড
সিআর বাস্তবায়নে বরাদ্দকৃত বস্তুতে 4 টি শব্দের ও 2 ইনটসের ওভারহেড থাকে। linkedListপদ্ধতির বরাদ্দ এক পরিশেষে যোগ প্রতি দৈর্ঘ্য দুই তালিকা, (4 * 8 + 4 + 4 + 2 * 8 =) তাই সম্ভবত 64 কাছাকাছি 64-বিট কম্পিউটার (মেমরি অ্যালোকেশন ওভারহেড ব্যতীত উপর যোগ করা আইটেম প্রতি 56 বাইট, মোট বাইটস)। expandingListপদ্ধতির যোগ আইটেম প্রতি এক শব্দ, প্লাস একটি কপি যখন ভেক্টর দৈর্ঘ্য দ্বিগুন ব্যবহার করে, তাই আইটেম প্রতি 16 বাইট পর্যন্ত মোট মেমোরি ব্যবহার। যেহেতু স্মৃতি সমস্ত এক বা দুটি বস্তুর মধ্যে প্রতি-অবজেক্টের ওভারহেড তুচ্ছ। আমি envমেমরির ব্যবহারের দিকে গভীরভাবে নজর রাখিনি , তবে আমি মনে করি এটি আরও ঘনিষ্ঠ হবে linkedList।