了解通过RInside将犰狳矩阵传递给R函数

Understanding passing armadillo matrices to R functions via RInside

本文关键字：函数 RInside 了解      更新时间：2023-10-16

我正在尝试通过RInside在C++中使用R。我在将犰狳矩阵传递给 R 并返回结果时遇到问题。下面我能够从 R 库函数返回结果，但是我得到了错误的结果。我使用时刻包中的偏度函数作为示例，该函数在 R 中应按要求工作。我检查了RInside的示例，但我仍然不确定如何使用RcppArmadillo。如何将 c++ 中的犰狳矩阵正确传递给 R？

    #include <RInside.h>                   
    #include <RcppArmadillo.h>
    using namespace std;
    using namespace arma;
    int main(int argc, char *argv[]) {
        RInside R(argc, argv);  

        string R_libs = "suppressMessages(library(moments));";
        R.parseEvalQ(R_libs);
        mat A = randu<mat>(5,5);
        R["A"] = A;
        string R_skewness = "B <- skewness(A);";
        //this fails
        mat B = Rcpp::as<mat>(R.parseEval(R_skewness)); //terminate called after throwing an instance of 'Rcpp::not_a_matrix'   
        //this works but wrong
        mat B = Rcpp::as<vec>(R.parseEval(R_skewness)); // returns only 1 number, should be 5 ( 1 for each columnn), same result if i change mat B to vec B
        exit(0);
 }

我们实现as<mat>的方式要求你传递的 R 对象是一个矩阵。在您的示例中，B是一个向量： 

> A <- matrix( runif(25), ncol = 5)
> A
           [,1]      [,2]       [,3]       [,4]      [,5]
[1,] 0.19215339 0.5857249 0.14345222 0.32154176 0.6162155
[2,] 0.95753898 0.9618379 0.06239842 0.06200197 0.7044018
[3,] 0.33575790 0.1372804 0.03027635 0.62662467 0.9778451
[4,] 0.16504957 0.1919765 0.49176372 0.94841456 0.2914772
[5,] 0.01570709 0.8055231 0.51218581 0.79562809 0.6939380
> B <- skewness( A )
> B
[1]  1.15196587 -0.04547576  0.32186257 -0.30788111 -0.29251009

对于转换为arma::vec，我不重现您看到的行为。arma::vec有 3 个元素： 

require( RcppArmadillo )    ## and make sure you have Rcpp 0.10.0 or later
sourceCpp( code = '
// [[Rcpp::depends("RcppArmadillo")]]
#include <RcppArmadillo.h>
using namespace arma ; 
using namespace Rcpp ;
// [[Rcpp::export]]
List foo( NumericVector x){
    vec B = Rcpp::as<vec>(x); 
    return List::create( 
        _["nrows"] = B.n_rows,
        _["ncols"] = B.n_cols
    ) ;
}
')
foo( c(1, 2, 3 ) )
# $nrows
# [1] 3
# 
# $ncols
# [1] 1

您正在尝试涉及多个模板化程度很高的库的复合表达式。 这可能会出错。 我建议分批进行：

  1. 确保将期望A矩阵传递到嵌入式 R

  2. 确保函数调用正常工作，检查结果。

  3. 重要提示：检查结果类型。矩阵应该可以正常工作。

  4. 将结果返回到C++。

  5. 把它送到RCPP。

  6. 使用Rcpp犰狳编组到达犰狳。

原则上，这应该有效。魔鬼一如既往地在细节中。

相关文章：