Excelente perguntas. Abaixo colocarei meus dois centavos a respeito delas.
1. Por que os loops são lentos no R?
Loops são lentos no R porque esta é uma característica intrínseca das linguagens interpretadas. Todo código escrito na linguagem R (que é uma linguagem interpretada como python ou ruby) é lido e interpretado para linguagem de máquina, para aí ser executado.
C, por outro lado, é uma linguagem compilada. Todo código escrito na linguagem C é compilado, transformado num executável na linguagem nativa do sistema operacional e processador da máquina e somente depois disso ele será executado.
Se fizermos um loop numa linguagem interpretada como o R, o passo de tradução do código escrito em R para a linguagem de máquina vai ocorrer para cada passo do loop. Assim, são adicionados vários passos extras na execução do programa, passos estes que não existem na linguagem compilada. E cada passo intermediário destes é somado ao tempo total de execução do programa.
Entendo que esta resposta talvez não responda diretamente a tua pergunta. Me deixe então refazê-la da seguinte maneira:
Por que os loops no R são mais lentos do que o código vetorizado?
Embora não pareça, a resposta para esta pergunta está na descrição que fiz acima. Muitos dos códigos nativos do R, como o sum
do teu exemplo, foram escritos em C, C++ ou FORTRAN. Note o output que aparece no prompt quando digitamos sum
:
sum
function (..., na.rm = FALSE) .Primitive("sum")
Esta função não foi escrita em R. Ela com certeza foi escrita em C, C++ ou FORTRAN, o que deixa a torna muito mais otimizada. Afinal, estas são linguagens compiladas, muito mais otimizadas para realizar quaisquer operações. Por isso a diferença de tempo de execução nos códigos com_loop
e vetorizado
do exemplo da tua pergunta.
2. Quais alternativas existem? (pacotes, estratégias, etc)
Basicamente, há três estratégias para tentar otimizar código no R. Entretanto, eles nem sempre funcionarão, pois cada caso é um caso.
- Use código vetorizado
Por exemplo, funções da família apply
possuem uma vantagem sobre loops. Muitas vezes (embora nem sempre), utilizar funções desta família vai deixar teu código mais rápido. Afinal, o R é uma linguagem que trabalha melhor com vetores. As funções da família apply
utilizam esta característica do R de forma otimizada e, portanto, acabam sendo muitas vezes mais rápidas do que um for
(ou while
etc.).
Além de, na minha opinião, deixarem o código mais limpo e mais fácil de ser auditado posteriormente.
- Paralelize o código
Utilize o poder do processamento em paralelo do teu computador. Em vez de usar um core para fazer o trabalho, distribua ele em mais cores. Os pacotes mais famosos para isto são o parallel
, doMC
e foreach
.
Infelizmente, tentei no passado e nunca consegui fazer eles funcionarem no Windows. Desconfio, inclusive, que seja impossível. Entretanto, são facílimos de utilizar no macOS e Linux.
- Leia o livro R Inferno. Ele traz muitas estratégias além destas duas que citei acima. O livro abriu meus olhos no passado, mostrando o que eu fazia de errado na hora de escrever meus códigos. São 9 estratégias bem mais detalhadas do que estas que coloquei aqui neste resumo e tenho certeza que muitas das tuas dúvidas serão esclarecidas por ele.