R数据表中较慢ifelse的替代方案

Question

我正在编写一个函数,其中多个ifelse用于数据表操作.虽然我使用数据表来提高速度但是多个ifelse使我的代码变慢并且此功能适用于大型数据集.因此,我想知道iflese是否有替代品.来自函数的一个示例iflese(接近15 iflese),在此示例中,如果x为空,则将flag设置为1,否则为0.

    dt<-dt[,flag:=ifelse(is.na(x)|!nzchar(x),1,0)]

Answer 1

最快的方法可能取决于您的数据是什么样的.评论中提到的那些在这个例子中都是可比较的:

(twice由@DavidArenburg提及;以及onceadd@akrun.我不确定如何使用replications> 1 对这些进行基准测试,因为在基准测试期间实际修改了对象.)

DT <- data.table(x=sample(c(NA,"",letters),1e8,replace=TRUE))

DT0 <- copy(DT)
DT1 <- copy(DT)
DT2 <- copy(DT)
DT3 <- copy(DT)
DT4 <- copy(DT)
DT5 <- copy(DT)
DT6 <- copy(DT)
DT7 <- copy(DT)

library(rbenchmark)
benchmark(
ifelse  = DT0[,flag:=ifelse(is.na(x)|!nzchar(x),1L,0L)],
keyit   = {
    setkey(DT1,x)   
    DT1[,flag:=0L]
    DT1[J(NA_character_,""),flag:=1L]
},
twiceby = DT2[, flag:= 0L][is.na(x)|!nzchar(x), flag:= 1L,by=x],
twice   = DT3[, flag:= 0L][is.na(x)|!nzchar(x), flag:= 1L],
onceby  = DT4[, flag:= +(is.na(x)|!nzchar(x)), by=x],
once    = DT5[, flag:= +(is.na(x)|!nzchar(x))],
onceadd = DT6[, flag:= (is.na(x)|!nzchar(x))+0L],
oncebyk = {setkey(DT7,x); DT7[, flag:= +(is.na(x)|!nzchar(x)), by=x]},
replications=1
)[1:5]
#      test replications elapsed relative user.self
# 1  ifelse            1   19.61   31.127     17.32
# 2   keyit            1    0.63    1.000      0.47
# 6    once            1    3.26    5.175      2.68
# 7 onceadd            1    3.24    5.143      2.88
# 5  onceby            1    1.81    2.873      1.75
# 8 oncebyk            1    0.91    1.444      0.82
# 4   twice            1    3.17    5.032      2.79
# 3 twiceby            1    3.45    5.476      3.16

讨论.在这个例子中,keyit是最快的.但是,它也是最冗长的,它会改变表的排序.此外,keyitOP的问题非常具体(利用恰好两个字符值符合条件的事实is.na(x)|!nzchar(x)),因此对于其他应用程序来说可能不太好,因为它需要写成类似的东西

keyit   = {
    setkey(DT1,x)
    flagem = DT1[,some_other_condition(x),by=x][(V1)]$x
    DT1[,flag:=0L]
    DT1[J(flagem),flag:=1L]
}