多窗口范围计算数据表与dplyr

我在多个窗口对股票回报进行范围计算（即最大值和最小值）。 我的版本是dplyr，但许多人发布基准测试，其中使用data.table进行计算的速度要快得多。我用data.table语法创建了这个版本，但是它比dplyr版本慢。 有谁能帮我找到更好的方法来使用data.table使其更快？ 非常感谢

library(Quandl)
library(tidyr)
library(dplyr)
library(data.table)
library(microbenchmark)

tickers <- c("GOOG/NASDAQ_AAPL", "GOOG/NASDAQ_MSFT", 
             "GOOG/NYSE_IBM", "GOOG/NASDAQ_GOOG") 

data <- Quandl(tickers,transformation = "rdiff")

returns <- gather(data, stock, value, -Date) %>%
    separate(stock, c("name", "field"), " - ") %>%
    filter(
       field == "Close"
    ) %>%
    select(
       - field
    )

returns_dt <- data.table(returns)

multi_window_range <- function(data) {
    result_1y <- data %>%
        filter(
            Date >= Sys.Date() - 365
        ) %>% 
        group_by(name) %>%
        summarise(
            max_1y = max(value, na.rm = TRUE),
            min_1y = min(value, na.rm = TRUE)
        )
    result_2y <- data %>%
        filter(
            Date >= Sys.Date() - 365 * 2
        ) %>%
        group_by(name) %>%
        summarise(
            max_2y = max(value, na.rm = TRUE),
           min_2y = min(value, na.rm = TRUE)
       )
    result_5y <- data %>%
        filter(
            Date >= Sys.Date() - 365 * 5
        ) %>%
        group_by(name) %>%
        summarise(
            max_5y = max(value, na.rm = TRUE),
            min_5y = min(value, na.rm = TRUE)
        )
    return(inner_join(inner_join(result_1y, result_2y, by = "name"), result_5y, by = "name"))
}

multi_window_range_dt <- function(data) {
    setkey(data, name)
    result_1y <- data[Date >= Sys.Date() - 365,
                      list(
                        max_1y = max(value, na.rm = TRUE),
                        min_1y = min(value, na.rm = TRUE)
                      ), by = "name"]
   result_2y <- data[Date >= Sys.Date() - 365 * 2,
                     list(
                        max_2y = max(value, na.rm = TRUE),
                        min_2y = min(value, na.rm = TRUE)
                     ), by = "name"]
   result_5y <- data[Date >= Sys.Date() - 365 * 5,
                     list(
                        max_5y = max(value, na.rm = TRUE),
                        min_5y = min(value, na.rm = TRUE)
                     ), by = "name"]
   return(result_1y[result_2y][result_5y])
}

microbenchmark(
    multi_window_range(returns),
    multi_window_range_dt(returns_dt)
)


Unit: milliseconds
                              expr      min       lq     mean   median       uq      max neval
       multi_window_range(returns) 6.341532 6.522303 6.915266 6.692666 6.922623 10.16709   100
 multi_window_range_dt(returns_dt) 7.537073 7.738516 8.066579 7.865968 8.073114 12.68021   100 

库（Quandl）
图书馆（tidyr）
图书馆（dplyr）
库（数据表）
图书馆（微基准）
股票代码%
挑选(
-场
)
回报率_dt%
分组单位（名称）%>%
总结(
max_1y=max（值，na.rm=TRUE），
min_1y=min（值，na.rm=TRUE）
)
结果Y%
滤器(
日期>=系统日期（）-365*2
) %>%
分组单位（名称）%>%
总结(
max_2y=max（值，na.rm=TRUE），
min_2y=min（值，na.rm=TRUE）
)
结果5y%
滤器(
日期>=系统日期（）-365*5
) %>%
分组单位（名称）%>%
总结(
max_5y=max（值，na.rm=真），
min_5y=min（值，na.rm=TRUE）
)
return（内部联接（内部联接（result\u 1y，result\u 2y，by=“name”）、result\u 5y，by=“name”））
}
多窗口范围尝试以下方法：

multi_window_range_dt2 <- function(data) {
       data[, {
        rng1 <- range(value[Date > Sys.Date() - 365], na.rm = TRUE)
        rng2 <- range(value[Date > Sys.Date() - 2*365], na.rm = TRUE)
        rng5 <- range(value[Date > Sys.Date() - 5*365], na.rm = TRUE)
        list(max_1y = rng1[2], min_1y = rng1[1],
             max_2y = rng2[2], min_2y = rng2[1],
             max_5y = rng5[2], min_5y = rng5[1])
       }, by = "name"]
}

library(rbenchmark)
benchmark(multi_window_range(returns), multi_window_range_dt2(returns_dt))[1:4]

这表明
multi\u window\u range
比
multi\u window\u range\u dt2
花费的时间多18.9%：
这里的主要优势似乎是使用范围，而不是分别使用最小值和最大值。无论如何，这是一个好主意。这可能也是由于在最后消除了连接。啊，是的，在这个问题中，通过拆分
by=“name”
仅一次而不是三次来节省。公平的比较也只能与
dplyr
分组进行一次。是的，如果目的是比较dplyr和data.table，这不是一个公平的比较，因为我们也可以将这些想法应用到dplyr，但问题是如何加速data.table代码。是的，但你可以这样做：`data%>%filter（日期>系统日期（）-5*365，！is.na（值））%%>%group_by（name）%%>%summary（max_1y=max（value[Date>Sys.Date（）-365]），min_1y=min（value[Date>Sys.Date（）-365]），max_2y=max（value[Date>Sys.Date（）-2*365]），min_2y=min（value[Date>Sys Date（）-2*365]），max_5y=max（value），min（value））`
                                test  replications elapsed relative
1        multi_window_range(returns)           100    2.39    1.189
2 multi_window_range_dt2(returns_dt)           100    2.01    1.000