R 数据 table 中较慢的 ifelse 的替代方案

Question

我正在编写一个函数，其中多个 ifelse 用于数据 table 操作。虽然我使用 data tables 来提高速度，但多个 ifelse 使我的代码变慢，并且此函数适用于大型数据集。因此我想知道是否有 iflese 的替代方案。函数中的一个示例 iflese（有接近 15 个 iflese），在此示例中，如果 x 为空，则标志设置为 1，否则为 0.

    dt<-dt[,flag:=ifelse(is.na(x)|!nzchar(x),1,0)]

Answer 1

最快的方法可能取决于您的数据。评论里提到的都是这个例子的可比性：

(@DavidArenburg 提到了twice；@akrun 提到了onceadd。我不太确定如何用 replications > 1 对这些进行基准测试，因为对象是实际上在基准测试期间进行了修改。）

DT <- data.table(x=sample(c(NA,"",letters),1e8,replace=TRUE))

DT0 <- copy(DT)
DT1 <- copy(DT)
DT2 <- copy(DT)
DT3 <- copy(DT)
DT4 <- copy(DT)
DT5 <- copy(DT)
DT6 <- copy(DT)
DT7 <- copy(DT)

library(rbenchmark)
benchmark(
ifelse  = DT0[,flag:=ifelse(is.na(x)|!nzchar(x),1L,0L)],
keyit   = {
    setkey(DT1,x)   
    DT1[,flag:=0L]
    DT1[J(NA_character_,""),flag:=1L]
},
twiceby = DT2[, flag:= 0L][is.na(x)|!nzchar(x), flag:= 1L,by=x],
twice   = DT3[, flag:= 0L][is.na(x)|!nzchar(x), flag:= 1L],
onceby  = DT4[, flag:= +(is.na(x)|!nzchar(x)), by=x],
once    = DT5[, flag:= +(is.na(x)|!nzchar(x))],
onceadd = DT6[, flag:= (is.na(x)|!nzchar(x))+0L],
oncebyk = {setkey(DT7,x); DT7[, flag:= +(is.na(x)|!nzchar(x)), by=x]},
replications=1
)[1:5]
#      test replications elapsed relative user.self
# 1  ifelse            1   19.61   31.127     17.32
# 2   keyit            1    0.63    1.000      0.47
# 6    once            1    3.26    5.175      2.68
# 7 onceadd            1    3.24    5.143      2.88
# 5  onceby            1    1.81    2.873      1.75
# 8 oncebyk            1    0.91    1.444      0.82
# 4   twice            1    3.17    5.032      2.79
# 3 twiceby            1    3.45    5.476      3.16

讨论。在此示例中，keyit 是最快的。但是，它也是最冗长的，它会改变 table 的排序。此外，keyit 非常特定于 OP 的问题（利用恰好两个字符值符合条件 is.na(x)|!nzchar(x) 的事实），因此对于其他需要的应用程序可能不是那么好写成

keyit   = {
    setkey(DT1,x)
    flagem = DT1[,some_other_condition(x),by=x][(V1)]$x
    DT1[,flag:=0L]
    DT1[J(flagem),flag:=1L]
}

R 数据 table 中较慢的 ifelse 的替代方案

Alternative of slower ifelse in R data table

performance

if-statement

r

data.table