Всем привет!
Для многих разных групп в by
, shift
намного медленнее, чем ручное переключение.
См. Http://stackoverflow.com/questions/35179911/shift-in-data-table-v1-9-6-is-slow-for-many-groups
и https://github.com/nachti/datatable_test/blob/master/leadtest.R для подробного примера.
Ваше здоровье,
Герхард
Это не удивительно. Это исчезнет, когда gforce
будет оптимизирован для :=
. Я считаю, что это в списке для этого выпуска.
+1 за это повышение производительности. shift()
- это основное узкое место в моем коде. Похоже, что для фиксированного количества строк время, необходимое для выполнения shift()
, пропорционально количеству групп в данных.
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 , для особого случая, когда ваш код выглядит так, есть ярлык:
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
Самый полезный комментарий
@ ben519 Fyi , для особого случая, когда ваш код выглядит так, есть ярлык: