从R data.table到嵌套列表的转换

假设我想从R data.table创建一个嵌套列表，如下例所示：

library(data.table)

generate_dt <- function(num_unique_id=100, rows_per_id=2) {
    num_rows <- num_unique_id * rows_per_id
    my_dt <- data.table(my_id=rep(seq(1, num_unique_id), rows_per_id),
                        y1=rnorm(num_rows), y2=rnorm(num_rows), y3=rnorm(num_rows),
                        z=runif(num_rows))
    setkey(my_dt, my_id)
    return(my_dt)
}

## Suppose I want to go from my_dt to a nested list
list_from_dt <- function(my_dt) {
    num_unique_id <- length(unique(my_dt$my_id))
    my_list <- lapply(seq_len(num_unique_id), function(id) {
        my_dt_subset <- my_dt[J(id)]
        return(list(y=as.matrix(my_dt_subset[, c("y1", "y2", "y3"), with=FALSE]),
                    max_z=max(my_dt_subset$z)))

    })
    stopifnot(is.matrix(my_list[[1]]$y))
    return(my_list)
}

my_dt <- generate_dt()
my_list <- list_from_dt(my_dt)  # Suppose I have some code that expects a nested list like this

system.time(replicate(100, unused <- generate_dt()))  # Fast, 0.062 elapsed
system.time(replicate(100, unused <- list_from_dt(my_dt)))  # Roughly 200 times slower (12.586 elapsed)

库（data.table）
生成\u dt以下是我在
split
和
gmax
中看到的内容：

f = function(){
    s  = lapply(split(my_dt[, !"z", with=FALSE], by="my_id", keep.by=FALSE), as.matrix)
    mz = my_dt[, max(z), by=my_id]
    Map(list, ys = s, mz = mz$V1)
}

system.time(replicate(100, generate_dt()))          #  0.1
system.time(replicate(100, list_from_dt(my_dt)))    # 20.1
system.time(replicate(100, f()))                    #  2.1

看起来是这样的：

> head(res, 2)
$`1`
$`1`$ys
              y1          y2          y3
[1,] -0.04493979 -1.01340856  0.08481358
[2,] -0.75860610  0.04113645 -0.36270441

$`1`$mz
[1] 0.9362695


$`2`
$`2`$ys
            y1         y2        y3
[1,] 0.7718361 -0.8005803 1.2195464
[2,] 0.1658420 -1.2846028 0.4607024

$`2`$mz
[1] 0.8551927

数字，
`1`
和
`2`
是
我的id
值，现在用作列表元素的名称。
以下是我在
拆分
和
gmax
中看到的内容：

f = function(){
    s  = lapply(split(my_dt[, !"z", with=FALSE], by="my_id", keep.by=FALSE), as.matrix)
    mz = my_dt[, max(z), by=my_id]
    Map(list, ys = s, mz = mz$V1)
}

system.time(replicate(100, generate_dt()))          #  0.1
system.time(replicate(100, list_from_dt(my_dt)))    # 20.1
system.time(replicate(100, f()))                    #  2.1

看起来是这样的：

> head(res, 2)
$`1`
$`1`$ys
              y1          y2          y3
[1,] -0.04493979 -1.01340856  0.08481358
[2,] -0.75860610  0.04113645 -0.36270441

$`1`$mz
[1] 0.9362695


$`2`
$`2`$ys
            y1         y2        y3
[1,] 0.7718361 -0.8005803 1.2195464
[2,] 0.1658420 -1.2846028 0.4607024

$`2`$mz
[1] 0.8551927

数字，
`1`
和
`2`
是
my_id
值，现在用作列表元素的名称。
我的意思是，将obj拆分并计算摘要统计数据的速度很慢并不奇怪，不是吗？也不是说创建单个对象很快。您可能对
lappy（split（…）
感兴趣。
split.data.table
函数非常有效，可以在软件包的devel版本（1.9.7）上使用。@Frank谢谢你的指针，我会尝试让data.table 1.9.7正常工作（我有1.9.6）。我并不感到惊讶的是，来自_dt的列表_速度较慢，但我感到惊讶的是，它的速度要慢得多。它没有做太多的计算，只是复制数据。我的意思是，将obj拆分并计算摘要统计数据的速度很慢，这并不奇怪，不是吗？也不是说创建单个对象很快。您可能对
lappy（split（…）
感兴趣。
split.data.table
函数非常有效，可以在软件包的devel版本（1.9.7）上使用。@Frank谢谢你的指针，我会尝试让data.table 1.9.7正常工作（我有1.9.6）。我并不感到惊讶的是，来自_dt的列表_速度较慢，但我感到惊讶的是，它的速度要慢得多。它没有做太多的计算，只是复制数据。