通过在R中使用整数可以获得性能优势吗？

Question

在R中,使用整数而不是双精度的优点是对象大小.我有点惊讶于没有在表现中找到这样的优势.我天真的期望是用更少的信息操作会更有效率.

我的工作做了大量的数字运算,我想在我的data.tables和函数中使用整数或双重类型来决定天气.

我知道整数溢出,这在我的特定变量上不是问题.

我在谈论自然是整数的变量.它们永远不会成为分数/小数.但它们仍需要转换(使用R的运算符),但同样需要转换为整数.

set.seed(1)
d <- sample(c(31318, 110221, 103351, 72108, 231533, 155212, 173406), 1e4, replace = TRUE)
i <- as.integer(d)

f1 <- function(x){
  hour <- trunc(x / 1e4)
  min  <- trunc((x - hour * 1e4) / 1e2)
  sec  <- x - hour * 1e4 - min * 1e2
  as.integer(hour * 3600 + min * 60 + sec)
}

f2 <- function(x){
  hh <- x %/% 1e4
  mm <- x %% 1e4 %/% 1e2
  ss <- x %% 1e2
  as.integer(hh * 3600 + mm * 60 + ss)
}

f1i <- function(x){
  hour <- as.integer(x / 1e4L)
  min  <- as.integer((x - hour * 1e4L) / 1e2L)
  sec  <- as.integer(x - hour * 1e4L - min * 1e2)
  hour * 3600L + min * 60L + sec
}

f2i <- function(x){
  hh <- x %/% 1e4L
  mm <- x %% 1e4L %/% 1e2L
  ss <- x %% 1e2L
  hh * 3600L + mm * 60L + ss
}

microbenchmark::microbenchmark(
  f1(i), f2(i), f1i(i), f2i(i), 
  f1(d), f2(d), f1i(d), f2i(d), 
  times = 1e2
)

Unit: microseconds
   expr     min       lq     mean   median       uq      max neval
  f1(i) 277.413 279.4670 316.0315 282.1055 341.3420  928.132   100
  f2(i) 705.557 707.0230 829.8002 710.6880 796.6105 5366.158   100
f1i(i) 355.124 356.5910 451.0255 358.4965 449.4035 3242.158   100
 f2i(i) 346.620 347.7930 391.1675 349.6990 366.5605  989.714   100
  f1(d) 237.824 240.3175 350.9075 242.5170 295.3025 6946.476   100
  f2(d) 702.037 703.9435 869.6909 708.1960 874.7610 5113.378   100
 f1i(d) 341.048 342.9545 514.6488 345.0075 428.8765 4231.285   100
 f2i(d) 705.556 707.3160 777.2969 710.3955 882.5325 1855.678   100

object.size(d) # 80048 bytes
object.size(i) # 40048 bytes

• 为什么一贯使用整数没有性能优势？
• 如果trunc((x - hour * 1e4) / 1e2)效率更高,则模数或整数偏差的用途是什么？x %% 1e4L %/% 1e2L
• 最重要的是从经验丰富的R/data.table用户那里获得的最佳实践？