knitr::opts_chunk$set( collapse = FALSE, comment = "#>" ) require(ACEP) rp <- acep_load_base(acep_bases$rp_mdp) dicc <- acep_load_base(acep_diccionarios$dicc_confl_sismos) df <- rp[1:100, ]
En este artículo se compara le rendimiento de las funciones nuevas en relación a al funciones anteriores en la realización de una misma tarea:
acep_cleaning()
vs acep_clean()
acep_count()
vs acep_men()
El input para la prueba de rendimiento son 100 notas de la Revista Puerto.
acep_cleaning()
vs acep_clean()
FUN.v1 <- system.time({ acep_clean(df$nota) }) FUN.v2 <- system.time({ acep_cleaning(df$nota) }) cat("La nueva versión (acep_cleaning) procesa los datos ingresados en", FUN.v2[3], "segundos.", "\nLa vieja versión (acep_clean) procesa los datos ingresados en", FUN.v1[3], "segundos.", "\nLa diferencia es de", FUN.v1[3]-FUN.v2[3])
acep_count()
vs acep_men()
FUN.v1 <- system.time({ acep_men(df$nota, dicc, tolower = FALSE) }) FUN.v2 <- system.time({ acep_count(df$nota, dicc) }) cat("La nueva versión (acep_count) procesa los datos ingresados en", FUN.v2[3], "segundos.", "\nLa vieja versión (acep_men) procesa los datos ingresados en", FUN.v1[3], "segundos.", "\nLa diferencia es de", FUN.v1[3]-FUN.v2[3])
Las mejoras en el rendimiento son significativas, en especial entre las dos versiones de la función de limpieza y normalización de texto.
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.