やあ!
by
多くの異なるグループの場合、 shift
は手動シフトよりもはるかに低速です。
参照: http :
詳細な例については、 https://github.com/nachti/datatable_test/blob/master/leadtest.Rをください。
乾杯、
ゲルハルト
それは驚くべきことではありません。 gforce
が:=
最適化されると、これはなくなります。 このリリースのリストに載っていると思います。
このパフォーマンス向上のために+1。 shift()
は、私のコードの多くの主なボトルネックです。 行数が固定されている場合、 shift()
実行にかかる時間は、データ内のグループの数に比例するようです。
library(data.table)
# Build table to store timings
timings <- CJ(RowCount = 10^7, Groups = 10^c(0:7))
timings[, SizePerGroup := RowCount/Groups]
# Loop through each experiment
for(i in 1:nrow(dt)){
print(paste0("Iteration: ", i))
# Build dataset
timings_i <- timings[i]
dt <- data.table(Grp = rep(seq_len(timings_i$Groups), each = timings_i$SizePerGroup))
dt[, Value := sample(100, size = .N, replace = T)]
# Measure the time it takes to insert a column indicating the previous value by group
elapsed <- system.time(dt[, PrevValueByGrp := shift(Value, type = "lag"), by = Grp])["elapsed"]
timings[i, Elapsed := elapsed]
}
library(ggplot2)
ggplot(timings, aes(x = Groups, y = Elapsed))+geom_line()+geom_point()
@ ben519 Fyi、コードがそのように見える特別な場合のために、ショートカットがあります:
library(data.table)
dt <- data.table(Grp = rep(seq_len(1e6), each=10L))
dt[, Value := sample(100L, size = .N, replace = TRUE)]
system.time(dt[, PrevValueByGrp := shift(Value, type = "lag"), by = Grp][])
# user system elapsed
# 19.50 0.80 20.34
system.time(dt[, v := shift(Value, type = "lag")][rowid(Grp)==1L, v := NA][])
# user system elapsed
# 1.00 0.87 1.25
dt[, all.equal(v, PrevValueByGrp)]
# [1] TRUE
最も参考になるコメント
@ ben519 Fyi、コードがそのように見える特別な場合のために、ショートカットがあります: