R c（…%*%…）和sum（…*…）之间的差异

这个问题是从答案开始讨论的后续问题

在

dplyr

中的

groupby（）

函数中使用

c（…%*%…）

和

sum（…*…）

有什么区别

这两个代码给出相同的结果：

#1

library(dplyr) # 1.0.0
library(tidyr)
df1 %>%
    group_by(Date, Market) %>% 
    group_by(Revenue = c(Quantity %*% Price), 
             TotalCost = c(Quantity %*% Cost),
             Product, .add = TRUE) %>% 
    summarise(Sold = sum(Quantity)) %>% 
    pivot_wider(names_from = Product, values_from = Sold)

#2

library(dplyr) # 1.0.0
library(tidyr)
df1 %>%
    group_by(Date, Market) %>% 
    group_by(Revenue = sum(Quantity * Price), 
             TotalCost = sum(Quantity * Cost),
             Product, .add = TRUE) %>% 
    summarise(Sold = sum(Quantity)) %>% 
    pivot_wider(names_from = Product, values_from = Sold)

---

我会把这些评论整理成一个答案，如果我遗漏了什么，其他人可以加入

• %*%

  和

  *

  是截然不同的运算符：

  *

  执行元素乘法，

  %*%

  执行线性代数矩阵乘法。这些都是非常不同的操作，具体表现为：

  1:4*2:5
  # [1]  2  6 12 20
  1:4 %*% 2:5
  #      [,1]
  # [1,]   40
  总和（1:4*2:5）
  # [1] 40
  

  如果您正在寻找两个向量相乘的单个汇总统计信息，并且线性代数中的矩阵相乘是有意义的，那么

  %*%

  就是适合您的工具

• 应该有一些关于声明性代码的说法；虽然您可以执行第三个操作（

  sum（.*）

  ），但对我来说，使用

  %*%

  可能更好，原因有两个：

• 声明性意图。我是说，我有两个矩阵，我打算做“线性代数”

• 保障措施。如果存在任何维度不匹配（例如，

  sum（1:4*2:3）

  在语法上仍然有效，但

  1:4%*%2:3

  没有），我想马上知道。有了

  sum（.*）

  ，这个不匹配就被世界悄然忽略了（我认为回收是一个大问题的原因之一）

• 原因不是性能：当较小的向量/矩阵<代码> %*%性能与SUM（.*.>>）/>代码>时，随着数据的大小越来越大，<>代码> %*%s/COD>相对昂贵。

  ---

  m1您可以使用
  microbenchmark
  或
  system。在更大的数据集上
  %*%
  的时间是矩阵积。这有帮助吗？这两个运营商有不同的期望。您认为
  *
  执行元素乘法是正确的。或者，
  %*%
  执行线性代数矩阵乘法，这是完全不同的。向量的长度与后者之间不应该有区别，因为（1）它们应该是矩阵，（2）如果有任何期望，你可能会有循环，你不应该考虑LA矩阵乘法，因为只有当两个矩阵具有完全兼容的维数（
  ncol（m1）=nrow（m2）时才会发生这种情况
  ）。换个说法。。。清楚你在用什么。如果
  Quantity
  和
  Price
  都是向量，并且
  Quantity*Price
  对您有意义，那么使用
  *
  。对我来说，这才是最重要的。如果对您得到的内容有任何疑问，请将
  1:4*2:5
  （长度4）与
  1:4%*%2:5
  （长度1）进行比较。逻辑上你需要什么？谢谢@r2evans，这很清楚。这太棒了！感谢您的深入回答，并指出
  sum（.*）
  和
  %*%
  之间的输出本质上只是一个表面的相似之处。
  # A tibble: 2 x 7
  # Groups:   Date, Market, Revenue, TotalCost [2]
  #  Date      Market Revenue TotalCost Apple Banana Orange
  #  <chr>     <chr>    <dbl>     <dbl> <int>  <int>  <int>
  #1 6/24/2020 A          135      37.5    35     20     20
  #2 6/25/2020 A           25      15      10     15     NA
  
  df1 <- structure(list(Date = c("6/24/2020", "6/24/2020", "6/24/2020", 
  "6/24/2020", "6/25/2020", "6/25/2020"), Market = c("A", "A", 
  "A", "A", "A", "A"), Salesman = c("MF", "RP", "RP", "FR", "MF", 
  "MF"), Product = c("Apple", "Apple", "Banana", "Orange", "Apple", 
  "Banana"), Quantity = c(20L, 15L, 20L, 20L, 10L, 15L), Price = c(1L, 
  1L, 2L, 3L, 1L, 1L), Cost = c(0.5, 0.5, 0.5, 0.5, 0.6, 0.6)), 
  class = "data.frame", row.names = c("1", 
  "2", "3", "4", "5", "6"))