以更快的方式写入ifelse()(内存更少)

Question

目前,我正在开发一个大数据集.我在此任务中唯一要做的就是预处理数据.

当我运行我的代码时,我看到我的计算机内存增加得非常快:

binary <- ifelse(subset_variables1 == "0", 0, 1)

该行唯一应该做的是将所有值都设为二进制.这可以更快地完成吗？或者这是一种很好的方式(我必须处理内存问题).

Answer 1

使用布尔类型和/或条件时,可以将它们与数学运算符一起使用,它们将被解释为1或0(for TRUE和FALSE).所以+("0" == 0)返回1并1 - ("0" == 0)返回0.

如果你有这样的矢量

set.seed(666)
subset_variables1 <- sample(c("0", "1"), 10000, replace = TRUE)

您可以使用它1 - (subset_variables1 == "0")来获得所需的结果.

我将它与评论中的一些建议相比较,它是最快的.

library(microbenchmark)

microbenchmark(ifelse = ifelse(subset_variables1 == "0", 0, 1),
               as.numeric = as.numeric(subset_variables1),
               if_else = dplyr::if_else(subset_variables1 == "0", 0, 1),
               plus = 1 - (subset_variables1 == "0"),
               times = 1000
)

Unit: microseconds
       expr     min       lq     mean   median       uq      max neval
     ifelse 686.668 701.3440 977.0863 910.6570 1170.816 3222.192  1000
 as.numeric 631.813 642.5910 715.8687 677.3830  720.841 1819.925  1000
    if_else 347.409 377.0665 537.3344 482.7055  657.468 1603.241  1000
       plus  97.170  98.8845 129.9091 107.8545  146.303  741.557  1000