主页 / coding / 问题 / 79279702
Accepted
ivo Welch
Asked: 2024-12-14 06:17:01 +0800 CST

比 R 的“simplify2array”更快吗？

  • 772

我经常有这样的代码

rbind.oc.by <- function (indata, INDICES, FUN, ...) {
    result <- by( indataframe, INDICES, FUNIN, ... )
    t(simplify2array(result))
}

mynewdata <- rbind.oc.by( dataframe, dataframe$variable, function(dd) { with(dd, ... } )

因此，我正在测试它：

set.seed(0)
if (!exists("X")) {
    X <- lapply( 1:10000000, function(i) {
        c(a=rnorm(1), b=rnorm(1), x="A", y= as.logical(rnorm(1)))
    })
}

## R CMD Rprof testprof.out                                                                                                         
Rprof("testprof.out")

intimealloc <- function() {
    as.data.frame(do.call("rbind", X))
}
v1 <- intimealloc()

firstalloc <- function() {
    simplify2array( t( X ))
}
v2 <- firstalloc()

Rprof(NULL)

simplify2array()非常好，比快大约 8 倍do.call("rbind")。但是，我仍然想知道是否有办法编写一个更快的专门版本，simplify2array()该版本依赖于结果为 NULL 或所有相同的数据框这一事实。大概没有，但我想我会问。

1 个回答

  1. Best Answer

    您可以尝试unlist() |> array() |> t()消除可能的开销（请参阅下面的lapply2）或或unlist() |> matrix(byrow=TRUE)避免转置（请参阅lapply3by() ）。但是，您可以使用split() |> lapply() |> simplify2array() |> t()或来代替split() |> sapply() |> t()，因为与集成的或sapply()类似：lapply()simplify2array()vapply()

    基准

    $ Rscript --vanilla foo.R
Unit: milliseconds
    expr      min       lq     mean   median       uq      max neval cld
      by 759.6597 775.2684 833.4783 828.0770 854.1466 983.1176    10   a
  lapply 747.4017 753.7931 812.9594 824.6948 842.5910 893.2388    10   a
 lapply2 763.0132 769.7017 819.1545 811.0160 856.1791 904.2550    10   a
 lapply3 759.2881 777.8115 822.4855 826.9304 833.3351 945.4514    10   a
  sapply 764.3702 785.1906 805.3541 802.4946 821.7591 858.9353    10   a
  vapply 744.5296 746.5801 780.0658 767.1196 810.6612 840.4624    10   a

    在此处输入图片描述

    这只取决于您具体做什么*apply()以及权衡是否有利于编写自定义代码。

    代码

    set.seed(42)
mtcarsh <- mtcars[sample.int(nrow(mtcars), 1e6, replace=TRUE), ]
n <- length(unique(mtcarsh$am))
m <- ncol(mtcarsh)
microbenchmark::microbenchmark(
  by=by(mtcarsh, mtcarsh$am, colMeans) |> do.call(what='rbind'),
  lapply=split(mtcarsh, mtcarsh$am) |> lapply(colMeans) |> simplify2array() |> t(),
  lapply2=split(mtcarsh, mtcarsh$am) |> lapply(colMeans) |> unlist() |> 
    array(c(m, n), list(colnames(mtcarsh), unique(mtcarsh$am))) |> t(),
  lapply3=split(mtcarsh, mtcarsh$am) |> lapply(colMeans) |> unlist() |> 
    matrix(c(n, m), byrow=TRUE) |> `dimnames<-`(list(unique(mtcarsh$am), colnames(mtcarsh))),
  sapply=split(mtcarsh, mtcarsh$am) |> sapply(colMeans) |> t(),
  vapply=split(mtcarsh, mtcarsh$am) |> vapply(colMeans, FUN.VALUE=numeric(m)) |> t(),
  check='equal', times=10L
)
    • 1

相关问题