R 用于寻址数据帧元素的索引序列
有几种方法可以访问数据帧中的特定元素,使用括号(R 用于寻址数据帧元素的索引序列,r,dataframe,data.table,benchmarking,R,Dataframe,Data.table,Benchmarking,有几种方法可以访问数据帧中的特定元素,使用括号([])和美元符号($)的各种组合。在对时间敏感的函数中,使用哪一个是重要的 对一些可能的组合进行基准测试: library(microbenchmark) df <- data.frame(a=1:6,b=1:6,c=1:6,d=1:6,e=1:6,f=1:6) microbenchmark(df$c[3], df[3,]$c, df[3,3], df[
[]
)和美元符号($
)的各种组合。在对时间敏感的函数中,使用哪一个是重要的
对一些可能的组合进行基准测试:
library(microbenchmark)
df <- data.frame(a=1:6,b=1:6,c=1:6,d=1:6,e=1:6,f=1:6)
microbenchmark(df$c[3],
df[3,]$c,
df[3,3],
df[3,][3],
df[3,][[3]],
df[,3][3],
times=1e3)
我们看到,df$c[3]
最快,紧随其后的是df[,3][3]
。其他人则慢得多
在对时间敏感的应用程序中,我经常使用数据表而不是帧,因为排序和子集操作通常要快得多。但是,寻址操作可能会慢得多,我们可以看到,如果我们对数据重复上述操作。表
:
library(data.table)
dt <- as.data.table(df)
microbenchmark(dt$c[3],
dt[3,]$c,
dt[3,3],
dt[3,][[3]],
times=1e3)
Unit: microseconds
expr min lq mean median uq max neval
dt$c[3] 9.503 11.4020 14.90066 12.6820 13.8950 1336.407 1000
dt[3, ]$c 417.756 437.0495 480.26532 448.8625 463.6350 2909.038 1000
dt[3, 3] 205.115 218.9590 238.78000 227.9575 239.1265 1554.503 1000
dt[3, ][[3]] 414.378 435.2115 470.76853 447.1505 461.3310 1906.432 1000
所以看起来df[[i,j]]是最快的,紧随其后的是df[[“colname”][j]。使用哪种可能取决于您是否需要使用列名或数字
如果我们可以假设在所有平台和所有数据类型上都是这样,那么问题仍然悬而未决。如我在评论中所述,
df$c[3]
实际上被解析为'[['(df,'c')[3]
,因此跳过解析过程会导致更快的执行也就不足为奇了。data.table比较大多是非等效的,除非使用$
这不是真正的data.table函数
Unit: microseconds
expr min lq mean median uq max neval cld
df$c[3] 16.035 16.8245 17.63600 17.3090 17.9400 31.158 1000 ab
df[["c"]][3] 13.008 13.9090 14.60883 14.2775 14.8355 121.634 1000 a
(df[3, ])$c 137.376 140.4895 143.57778 141.6055 143.8310 175.180 1000 d
df[3, 3] 29.316 30.5715 31.25617 30.9040 31.3165 49.764 1000 c
df[3, ][3] 156.524 159.4180 167.99243 160.3910 162.3120 2636.693 1000 e
df[3, ][[3]] 134.975 137.3945 142.92265 138.3810 140.2370 2675.090 1000 d
df[, 3][3] 20.108 21.2860 21.94357 21.5810 21.8640 59.057 1000 b
我承认对我写的代码感到惊讶:'[['(df,'c')[3],
被解析为df[[“c”][3]
,并且对一些结果感到困惑,但一般规则是先选择列,然后在结果向量中选择位置,通常要快得多
另外:这需要用更大的物体进行测试。有行>>列的物体斑点清晰的理查德。出于某种原因,df[3,][3]有效,但dt[3,][3]无效。同样对于df[,3][3]有效,但dt[,3][3]没有。我认为数据表从数据帧继承了它们的属性,所以这让我感到惊讶,但我认为这个问题的基本前提仍然成立。如果你喜欢基准测试,你会喜欢这个:关于I和j参数,
[.data.table
的行为与[.data.frame
。没有$.data.table
,因此您的表达式不会调用类似的底层函数。因为$.data.frame(df,name)
正在调用'[[(df,“name”)
从编程的角度来看,这更安全,我认为您需要添加一些比较,删除其他比较。根据上述注释,我将编辑问题以删除不正确的数据。表调用。42,您还建议我添加更多比较。如果您可以指定哪一个,我也将进行此更改您省略的最快选项!df[[3,3]]
df <- data.frame(a=1:1000,b=1:1000,c=1:1000,d=1:1000,e=1:1000,f=1:1000)
Unit: microseconds
expr min lq mean median uq max neval
df$c[3] 8.314 9.7610 12.870667 10.6260 12.0950 1250.339 1000
df[["c"]][3] 6.932 8.0670 9.652672 8.7075 9.9445 26.512 1000
(df[3, ])$c 72.395 77.2390 90.893724 79.8320 95.8540 256.082 1000
df[3, 3] 14.871 16.2625 19.377482 17.1180 20.1720 47.720 1000
df[3, ][3] 82.446 86.7680 102.462603 89.9660 107.7965 232.685 1000
df[3, ][[3]] 70.559 75.2140 93.581394 78.3385 93.4235 1507.933 1000
df[, 3][3] 9.933 11.4770 13.430309 12.1090 14.0900 38.213 1000
df[[3, 3]] 6.465 7.8355 9.236773 8.4500 9.6355 29.833 1000
Unit: microseconds
expr min lq mean median uq max neval cld
df$c[3] 16.035 16.8245 17.63600 17.3090 17.9400 31.158 1000 ab
df[["c"]][3] 13.008 13.9090 14.60883 14.2775 14.8355 121.634 1000 a
(df[3, ])$c 137.376 140.4895 143.57778 141.6055 143.8310 175.180 1000 d
df[3, 3] 29.316 30.5715 31.25617 30.9040 31.3165 49.764 1000 c
df[3, ][3] 156.524 159.4180 167.99243 160.3910 162.3120 2636.693 1000 e
df[3, ][[3]] 134.975 137.3945 142.92265 138.3810 140.2370 2675.090 1000 d
df[, 3][3] 20.108 21.2860 21.94357 21.5810 21.8640 59.057 1000 b