А вот такой вот, например

[swizard]

The Julia Language

We want a language that’s open source, with a liberal license. We want the speed of C with the dynamism of Ruby. We want a language that’s homoiconic, with true macros like Lisp, but with obvious, familiar mathematical notation like Matlab. We want something as usable for general programming as Python, as easy for statistics as

Comments

[p2004r]

тестировать скорость for() в R становится традицией :) (даже простейшая правка всего на 1000 повторений меняет существенно скорость)

есть library(inline) как бы для замены таких for(), а вообще очень хочется loop из cl (оно даже по синтаксису бы выглядело органично :)

> randmatstat = function(t) {
+ n <- 5
+ nn <- n*n
+ r <- replicate(t,{a = matrix(rnorm(nn), ncol=n, nrow=n

[swizard]

Но, вроде бы, 238 против 258 -- это не очень существенно?

[p2004r]

ну вот есть быстрее пример, встроенная функция одного языка против встроенной функции другого.

вообще дремучий склеров не позволяет мне что то вспомнить вариант интерпретатора R где с for() все в порядке :( типа Renjin, но не он :(

# мегатест нового языка :)
## numeric vector sort ##

function sortperf(n)
v = rand(n)
sort!(v)
end

# тут был мегакод с for() на R реализующий уже реализованную встроенную функцию

> sortperf = function(n) {
+ v = runif(n)
+ return(qsort(v))
+ }
>
> timeit('quicksort', sortperf, 5000)
r,quicksort,408.00000000
> timeit('quicksort', sortperf, 5000)
r,quicksort,410.00000000
> timeit('quicksort', sortperf, 5000)
r,quicksort,414.00000000
> ?sort
> sortperf = function(n) {
+ v = runif(n)
+ return(sort(v))
+ }
> timeit('quicksort', sortperf, 5000)
r,quicksort,1.00000000
> timeit('quicksort', sortperf, 5000)
r,quicksort,1.00000000
> timeit('quicksort', sortperf, 5000)
r,quicksort,1.00000000
>

> sort

[p2004r]

ну и если полностью переписать, то еще больше :)

а вообще след от произведения матриц в R считается куда эффективнее, его нельзя оценить по этой пропаганде (издали похожей на него :) вставили возведение в степень как дети :)

> randmatstat = function(t) {
+ n <- 5
+ nn <- n*n
+ r <- replicate(t,{P <- cbind(matrix(rnorm(nn), ncol=n, nrow=n

[p2004r]

о! вспомнил!

В три раза код с for() и рекурсией становится быстрее. Естественно что вылизанный до предела код без циклов и вызовов функций компиляцией тормозится на время компиляции.

А pisum в 7 раз быстрее стал.

> library(compiler)
> enableJIT(0)
[1] 0
> assert = function(bool) {
+ if (!bool) stop('Assertion failed')
+ }
>
> timeit = function(name, f, ..., times=5) {
+ tmin = Inf
+ for (t in 1:times) {
+ t = system.time(f(...))["elapsed"]
+ if (t < tmin) tmin = t
+ }
+ cat(sprintf("r,%s,%.8f\n", name, tmin*1000))
+ }
> fib = function(n) {
+ if (n < 2) {
+ return(n)
+ } else {
+ return(fib(n-1) + fib(n-2))
+ }
+ }
>
> assert(fib(20) == 6765)
> timeit("fib", fib, 20)
r,fib,64.00000000
> timeit("fib", fib, 20)
r,fib,63.00000000
> enableJIT(3)
[1] 0
> enableJIT(3)
[1] 3
> timeit("fib", fib, 20)
r,fib,19.00000000
> timeit("fib", fib, 20)
r,fib,20.00000000
> timeit("fib", fib, 20)
r,fib,20.00000000

--------------------8> enableJIT(0