S-PLUS中使用CONNECT/C++模块与C++进行交互

来源：互联网发布：c语言中圆的面积编辑：程序博客网时间：2024/04/27 13:48

介绍

CONNECT/C++是一个使用S语言和C++交互的接口工具。它为使用C++的程序员提供了把SPLUS引擎集成在其中的便利，同时，它也可以整合C++代码到SPLUS环境中去。

为了容许在GUI和SPLUS间通讯，在SPLUS7中，CONNECT/C++被开发用来提供了这样一个框架(基于S语句版本4)。事实上，SPLUS7 GUI提供了使用CONNECT/C++集成SPLUS引擎和C++应用更全面的例子。同样的，C++开发者也可以使用同样的技术来和SPLUS交互

CONNECT/C++是一个C++类库，使用这些类和它们的成员可以创建和处理大多数的本地S对象

为在C++程序和模块中计算S表达式，CONNECT/C++提供了一个灵活多变的机制，在SPLUS7.X中提供了许多使用这些类库的例子，其中有些例子提供了执行相同任务的等价的S和C++函数,其中C++函数大多数运行时间都要快于S代码，当然这也依赖于代码的复杂度和数据的尺寸。这些例子你可以在SHOME/sconnect目录中找到，其中SHOME为你的SPLUS的安装目录。

资源

更多关于CONNECT/C++的信息，请参见SPLUS7.0 CONNECT/C++库帮助，如果你再UNIX上，请查看SHOME/connect/help/ConnectC++ .Class.library.htm文件。这个HTML文件是一个CONNECT/C++类库的C++开发者指南。它仔细讨论了如何连接到SPLUS引擎，如何建立数据对象、调用SPLUS函数和执行SPLUS语法

简单的例子：一个简单应用的执行流程

CONNECT/C++主要用于实现这2个目标：建立一个能访问SPLUS功能的C++应用；建立一个能被SPLUS调用的C++函数,下面我们开始一个简单的应用

建立一个简单的应用

这个例子是一个控制台程序，用来在应用中建立2个SPLUS向量，然后使用SPLUS来建立关于这2个向量的线性模型。

这个代码开始行包含了一个sconnect.h文件，这是必须的，所有CONECT/C++代码必须引用这个文件。然后定义一个全局的SPLUS连接对象，这个类的名字为CSPengineConnect, 它必须在主调函数之前定义，这个CSPengineConnect类会在客户应用和SPLUS间生成一个连接，这将允许你建立SPLUS对象，并且当数据库被附加或者被卸载到客户的时候发出通知，而且还可以执行S语言表达式等。代码看起来像下面所示：

#include "sconnect.h"

// A global connection object

CSPengineConnect g_engineConnect;

int main(int argc, char* argv[])

{

主函数的第一步是建立一个实际的连接对象（连接到SPLUS）

// Create the connection to S-PLUS

g_engineConnect.Create( argc, argv);

然后我们建立变量X,Y，这个CSPnumeric用于存储数字型向量。这个类是CONNECT/C++中的一个类，被使用在C++中用来表示SPLUS中的对象，同样，也还有很多C++类对应了SPLUS中的原子对象（见表7。1）；接下来通过使用create方法建立这个类的一个实例，通过Assign方法赋值这个类到SPLUS数据库，如下

// Create S object with name "x" in the current database.

// Same as x<-1:10 at the command line. CSPnumeric sx;

sx.Create("1:10","x");

// Squaring sx, which is the same as S expression

// sy <- x*x in a local frame, but here we set it to local

// C++ variable sy. CSPnumeric sy = sx * sx;

// Assign the result as S object with name "y" in the

// current database. sy.Assign("y");

最后，我们准备合适的线性模型，通过CONNECT/C++方法在适当的时候调用SPLUS执行，如下

// Evaluate z<-lm(y~x)

g_engineConnect.SyncParseEval("z<-lm(y~x)");

return 1;

}

这个例子的完整代码在SHOME/samples/spllm（WIN下）,UNIX下这个目录在SHOM E/sconnect/samples/splm.

要运行这个应用，打开一个命令提示或者MS-DOS窗口（WIN）或者编译（UNIX）

cd SHOME/samples/spllm

(WIN)

cd /sconnect/samples/splm

(UNIX,假设当前路径为SHOME)

2. 编译程序

msdev spllm.dsp /make

(WIN)

Splus7 CHAPTER -sconnectapp *.cxx

Splus7 make

(UNIX)

3. 如果你在WIN下，检查环境变量PATH确认它包含了%SHOM E%/cmd，如果没有，你应该在运行下面的步骤前把它加上去。

4. 运行程序

spllm.exe S_PROJ=.

（WIN）

Splus7 EXEC S.app

（UNIX）

要验证运行结果，在相同目录下启动SPLUS控制台（WIN）或者启动SPLUS（UNIX）

sqpe.exe S_PROJ=.

在WIN平台上，SPLUS将返回下面信息

S-PLUS : Copyright (c) 1988, 2005 Insightful Corp. Version 7.0 Release 1 for Microsoft Windows : 2005

Working data will be in E:/programs/splus7.0/users/rich

或者输入

Splus7

在UNXI上，将返回下面信息:

S-PLUS : Copyright (c) 1988, 2005 Insightful Corp. Version 7.0 Release 1 for Sun SPARC, SunOS 5.8 : 2005

Working data will be in .Data

然后查看对象X,Y和Z：

[1]

> y

[1]

> x

5 6 7 8 9 10

25 36 49 64 81 100

> z

Call:

lm(formula = y ~ x)

Coefficients:

(Intercept) x

-22 11

Degrees of freedom: 10 total; 8 residual

Residual standard error: 8.124038

通过CALL调用C函数的例子

Gauss-Seidel是一个熟悉的技术，主用于线性回归系统的解决。这个算法在SPLUS中是很容易简单明了的实现，如下

gaussSeidel<-

# gaussSeidel solves a linear system using Gauss-Seidel

# iterative method.

# REQUIRED ARGUMENTS:

# A and b are numeric matrix and vector respectively.

# VALUE:

# a vector x, solution of A x = b

# Usage:

# A<-matrix(rnorm(100),nrow=10)

# diag(A)<-seq(ncol(A),ncol(A)) #Make it diagonally

# # dominant

# b<-rnorm(ncol(A))

# sys.time({x1<-gaussSeidel(A,b)})

function(A,b)

{

# Hard-coded relative tolerance and max iterations tol<-1.0e-4

maxItr<-1e4

# Validating

A <- as.matrix(A)

b <- as.numeric(b)

if(nrow(A)!=ncol(A) || ncol(A)!=length(b))

stop("nrow(A)!=ncol(A) || ncol(A)!=length(b)")

# Begin Gauss-Seidel step

x<-b

for(k in 1:maxItr)

{

xOld<-x

for(i in 1:nrow(A))

{

s<- A[i,i]*x[i]

for(j in 1:ncol(A))

s <- s - A[i,j]*x[j]

x[i] <- (b[i]+s)/A[i,i]

}

# Check convergence; continue if necessary if(max(abs((x-xOld)/x)) < tol)

return(x);

}

warning("Solution does not converge/n")

return(x)

}

这个代码中，包含了一个嵌套的循环，也许可以写成更加有效率的代码，但我们这只是一个演示。通过使用CONNECT/C++的类和方法，下面的这些代码实现了上面类似的功能

这些代码开始处包含了sconnect.h头文件，这样我们就可以访问SCONNECT/C++库，下一步，它包含了一个实现Gauss-Seidel的头文件

# include "sconnect.h"

# include "gausssdl.h"

当我们定义gaussSeidel对象作为s_object类的一个对象时，它请求通过CALL交互

s_object* gaussSeidel(s_object* ps_A, s_object* ps_b)

作为一个典型的代码，我们定义了S_EVALUATOR.然后嵌入了我们的实现代码在try-catch块中,在try 块里，可能发生的错误是可以捕抓的。如下代码

{

S_EVALUATOR

try

{

// Hard-coded relative tolerance and max iterations double tol =1e-4;

long maxItr = 1000;

// Constructing and validating C++ objects

CSPnumericMatrix A(ps_A); CSPnumeric b(ps_b);

if(A.nrow()!=A.ncol() || A.ncol()!=b.length())

PROBLEM "A.nrow()!=A.ncol() || A.ncol()!=b.length()" ERROR;

实际的Gauss-Seidel步骤如下：

// Begin Gauss-Seidel step

CSPnumeric x=b;

for(long k =1; k<= maxItr; k++)

{

CSPnumeric xOld = x;

for(long i= 1; i <= A.nrow(); i++)

{

double s = A(i,i) * x(i);

for(long j = 1; j <= A.ncol(); j++)

s = s - A(i,j) * x(j);

x(i) = (b(i)+s)/A(i,i);

}

// Check convergence; continue if necessary if(Max(abs((x-xOld)/x)) < tol)

return(x);

}

PROBLEM "Solution does not converge" WARN;

return(x);

}

catch(...)

{

}

return(blt_in_NULL); // return the built-in NULL object

}

在UNXI上编译和执行C++

这个例子代码在SHOM E/ sconnect/samples/gausssdl下，C++代码在gausssdl.cxx中

编译和执行C++代码

cd SHOME/sconnect/samples/gausssdl

2. 编译共享库

Splus7 CHAPTER -sconnectlib *.cxx

Splus7 make

3. 运行SPLUS

Splus7

通过CHAPTER生成makefile，编译的代码只是需要在SPLUS后加上MAKE命令，如步骤2

在MAKE前可以适当的设置环境变量

make工具执行了必要的命令编译和连接C++代码到共享对象S.so

.注意：-sconnectlib是被请求包含CONNECT/C++库

通过CALL调用CONNECT/C++要比SPLUS代码快，下面是一个比较，运行在奔腾3 512内存，WIN平台，矩阵A为100行100列

> A<-matrix(rnorm(10000),nrow=100); diag(A)<-seq(ncol(A),

+ ncol(A)) # Make it diagonally dominant

> b<-rnorm(100);

> sys.time({x1<-gaussSeidel(A,b)})

[1] 19.328 19.354

下面是一个运行在Solaris机器上的一个比较，矩阵也是100列100行

[1] 37.00 39.35

> sys.time({x2<-.Call('gaussSeidel',A,b)})

我们比较（通过sys.time）在不同平台的输出的时间:

[1] 0.07 0.07

在WIN上

[1] 0.04 0.04

在UNIX上t.

可以看出，相同的CONNECT/C++版本比WIN上快250次，比纯SPLUS版本快大约1000次