Closed uwesterr closed 4 years ago
profile code with https://support.rstudio.com/hc/en-us/articles/218221837-Profiling-with-RStudio shows that
updatecalcDf$GesamtAktuellInfizierteBerechnet <- calcDf %>%
filter((Tag <= updatecalcDf$Tag - ti+1) & (Tag > updatecalcDf$Tag - ende_inf+1 )) %>%
summarise(sum = sum(NeuGesamtInfizierteBerechnet)) %>% as.numeric()
and here
updatecalcDf <- tibble(
Tag = tailCalcDf$Tag+1,
TaeglichReproduktionsRateRt = calcTaeglichReproduktionsRateRt(Rt, tailCalcDf, Y_inf_limit),
AktuellInfizierteBerechnet = n0_erfasst,
#RestanteilStartwert = calcRestanteilStartwert(tailCalcDf, n0_erfasst, ta, startDate, date),
NeuInfizierteBerechnet = NA,
ErfassteInfizierteBerechnet = NA,
GesamtAktuellInfizierteBerechnet = 0,
GesamtInfizierteBerechnet = NA,
NeuGesamtInfizierteBerechnet = 0,
KhBerechnet = NA,
IntensivBerechnet = 0,
NeueToteBerechnet = 0,
ToteBerechnet = 0,
ReduktionAbDatum = 0,
ReduzierteRt = 0,
MaxKhBerechnet = 0,
MaxIntBerechnet = 0,
)
the majority of time is spend
benchmark rechenkern as is expr min lq mean median uq max neval dfRechenKern <- isolate(Rechenkern(dfRoNoOpt, input, startDate)) 507.7844 523.8768 531.3457 535.2538 542.015 543.4656 10
increased speed from 567ns to 349ns
due to optimisation of the parameters the function rechenkern need to get faster