R：通过XTS对象与矩阵进行子选择：为什么会出现这样的性能下降？

在一个大小相等的XTS对象和一个R矩阵上的for循环中进行子选择，可以产生非常不同的性能。在我的机器上的以下示例中，矩阵代码需要0.42秒，而XTS代码需要31.64秒。假设我必须这样做一个循环，我应该使用as.matrix previor预转换所有XTS对象，还是有办法从XTS对象获得更高的性能

library(xts)

NumRows <- 1000000
NumCols <- 30
theMatrix <- matrix(rep(1,NumRows*NumCols),nrow=NumRows)
theXTS <- xts(theMatrix,Sys.Date()+1:NumRows)

system.time({  

  for(k in 1:NumRows){
    DataPoint <- theMatrix[k,1]
  }

})

system.time({  

  for(k in 1:NumRows){
    DataPoint <- theXTS[k,1]
  }

})

库（xts）
NumRows是。简单的回答是，当您将xts对象子集时，您将从向量中提取相关时间，并从矩阵中提取相关行，这比仅从矩阵中提取组件的计算时间更昂贵。您通常希望以xts格式保存数据，以便通过times轻松地对数据进行子集设置，但您可以先调用
coredata
（这比
as.matrix
快），后者在通过整数索引对
xts
对象进行子集设置之前公开数据矩阵

读取核心数据

> class(coredata(theXTS))
[1] "matrix"

# Compare benchmark below against subsetting with an existing matrix
theXTS_matrix <- as.matrix(theXTS)

library(microbenchmark)
microbenchmark(theXTS_matrix[5, 7:10], coredata(theXTS), 

coredata(theXTS)[5, 7:10],
                   theXTS[5, 7:10], as.matrix(theXTS)[5, 7:10])
# Unit: nanoseconds
# expr    min       lq      mean   median       uq    max neval
# theXTS_matrix[5, 7:10]    663   1087.5   1479.39   1254.0   1569.0   9062   100
# coredata(theXTS)  10456  12090.5  13413.92  13122.0  14269.0  24106   100
# coredata(theXTS)[5, 7:10]  11703  12959.5  15193.21  14298.5  15499.5  56137   100
# theXTS[5, 7:10]  27519  30293.5  32669.63  31805.5  33130.5  57130   100
# as.matrix(theXTS)[5, 7:10] 200927 205187.5 209949.47 206926.0 212582.0 330426   100

类（coredata（theXTS））
[1] “矩阵”
#将下面的基准与现有矩阵的子集进行比较
XTS_矩阵提供了几个优点，但它们不能解释这两个函数之间差异的大小。我还要注意，在这个问题中没有进行“搜索”：
I
和
j
已经是整数了，所以它只是一个直接的索引操作

速度上的大部分差异可以归因于在
[.xts
中执行的所有检查。即使没有这些检查，您也应该期望
[.xts
比矩阵上的
[
稍微慢一些，因为xts对象总是需要执行额外的操作：对索引进行子集设置

R> system.time(for(k in 1:10000) theMatrix[k, 1:10])
   user  system elapsed 
  0.012   0.000   0.015 
R> system.time(for(k in 1:10000)
+   .Call('_do_subset_xts', theXTS, k, 1:10, F, PACKAGE='xts'))
   user  system elapsed 
  0.016   0.000   0.018