神秘:为什么我添加和减去另一个变量时,data.table中的as.character()函数运行得更快？

Question

在将日期转换为大型数据集的字符类时,我注意到了一些非常奇怪的东西.举个例子,我创建了一个模拟数据集,如下所示:

DT = data.table(x=rep("2007-1-1", 1e9), y = rep(1,1e9))
DT[,x] <- as.Date(DT[,x])

现在,我想将日期格式的x列转换为字符.

DT[,x.character:= as.character(x)] 

这需要花费一些时间来处理大型数据集,我注意到如果我们执行以下操作,转换所需的时间会急剧减少:

DT[,x.character:= as.character(x+y-y)]

我在这里做的只是添加y并减去y,所以我真的得到了相同的结果.从逻辑的角度来看,似乎我正在让计算机做更多的工作.但是,为什么这种方法比直接转换方式更快地运行？

为了便于说明,我使用system.time()运行了两次10000行,并获得了以下结果:

DT = data.table(x=rep(as.Date("2007-1-1"), 1e5), y = rep(1,1e5))

system.time(DT[,x.character:= as.character(x)]) 
> user  system elapsed 
1.89    0.12    2.03 

system.time(DT[,x.character:= as.character(x+y-y)]) 
> user  system elapsed 
0.635   0.008   0.643 

system.time(DT[,x.character.sub:= as.character(x+y-y+y-y)]) 
> user  system elapsed 
0.347   0.004   0.351 

我们可以看到,第二种方法所需的时间更少,更有趣的是,第三种方法,使用更多的yy方法,可以节省更多的时间.有原因吗？

谢谢!

Answer 1

as.character在R会话期间第二次调用时速度会更快,因为所有字符都已添加到全局缓存中.添加和减去另一个变量是不相关的.

> library(data.table)
data.table 1.9.3  For help type: help("data.table")
> DT = data.table(x=rep(as.Date("2007-1-1"), 1e5), y = rep(1,1e5))
> system.time(DT[,x.character := as.character(x)]) 
   user  system elapsed 
  0.572   0.012   0.584 
> system.time(DT[,x.character := as.character(x)]) 
   user  system elapsed 
  0.389   0.008   0.397 
> system.time(DT[,x.character := as.character(x)]) 
   user  system elapsed 
  0.332   0.004   0.337 

为了进一步说明,这甚至与data.table没有任何关系.来自另一个新会议:

> x <- rep(as.Date("2007-1-1"), 1e5)
> system.time(as.character(x)) 
   user  system elapsed 
  0.529   0.008   0.537 
> system.time(as.character(x)) 
   user  system elapsed 
  0.312   0.012   0.324 
> system.time(as.character(x)) 
   user  system elapsed 
  0.327   0.008   0.335