提问人：Alberto Agudo Dominguez 提问时间：11/13/2023 更新时间：11/15/2023 访问量：60
在 R 中，基于外部向量创建新行的替代方案更快？
What alternative is faster to create new rows based on an external vector in R?
问：
我们想要复制行以适应长度为 > 1 的外部向量的一个典型用例是，当我们想要引入新日期，或允许每个日期显示不同的个体时。
想象一下，我们想在虹膜数据集中为每个月创建测量值，一种选择是这样做：
group_and_tidyr_expand <- function(df){
df %>%
group_by(pick(everything())) %>%
tidyr::expand(date = seq.Date(from = as.Date("2022-01-01"), to = as.Date("2023-01-01"), by = "1 month")) %>%
ungroup()
}
但是，现在有一个函数，允许每个分组具有多个值（即输出行），即 .与上面的代码等效的是：dplyrreframe
group_and_reframe <- function(df){
df %>%
group_by(pick(everything())) %>%
reframe(date = seq.Date(from = as.Date("2022-01-01"), to = as.Date("2023-01-01"), by = "1 month"))
}
这两种选择中哪一种更快？
注意：在重构中不需要显示取消分组，因为它默认已经取消了输出的分组。
答：
2赞
Alberto Agudo Dominguez
11/13/2023
#1
经过基准测试，它看起来可能比 快三倍左右。reframetidyr::expand
microbenchmark::microbenchmark(
"reframe" = group_and_reframe(iris),
"tidyr_expand" = group_and_tidyr_expand(iris)
)
#> Unit: milliseconds
#> expr min lq mean median uq max neval
#> reframe 59.8355 63.90195 74.08853 70.2310 79.2985 219.7671 100
#> tidyr_expand 207.6898 227.03515 261.62132 243.3526 269.4305 517.4461 100
评论
3赞
Jon Spring
11/14/2023
重新运行，因此我们得到 1.5M 行，性能比相似，重帧的平均值为 111 毫秒，而tidyr_expand的平均值为 804 毫秒。big_iris <- iris %>% uncount(1E4)
1赞
NicChr
11/15/2023
#2
编辑：下面的功能应该快得多。
library(tidyverse)
library(nycflights13)
library(bench)
big_iris <- iris %>% uncount(1E4)
distinct_expand <- function(df){
out <- tidyr::expand_grid(dplyr::distinct(df),
dplyr::tibble(date = seq.Date(from = as.Date("2022-01-01"), to = as.Date("2023-01-01"), by = "1 month")))
dplyr::dplyr_reconstruct(out, df)
}
group_and_reframe <- function(df){
df %>%
reframe(date = seq.Date(from = as.Date("2022-01-01"), to = as.Date("2023-01-01"), by = "1 month"),
.by = everything())
}
mark(distinct_expand(big_iris), group_and_reframe(big_iris))
#> # A tibble: 2 × 6
#> expression min median `itr/sec` mem_alloc `gc/sec`
#> <bch:expr> <bch:tm> <bch:tm> <dbl> <bch:byt> <dbl>
#> 1 distinct_expand(big_iris) 106ms 106ms 9.46 22.5MB 28.4
#> 2 group_and_reframe(big_iris) 130ms 147ms 6.82 34.2MB 6.82
创建于 2023-11-14 使用 reprex v2.0.2
上一个：在 R 中将列的值分组到类别中
下一个：使用宽格式与长格式的摘要
评论