R和Matlab速度之间存在差异

Question

可能重复:
为什么R中的循环缓慢？

考虑以下任务.数据集有20,000个"用户"的变量.每个用户有1到150个观察值.所有用户都堆叠在一个称为数据的矩阵中.第一列是用户的id并标识用户.所有id都存储在名为userid的20,000 X 1矩阵中.

考虑以下R代码

useridl = length(userid)
itime=proc.time()[3]    
for (i in 1:useridl) {
temp =data[data[,1]==userid[i],]
   }
 etime=proc.time()[3]
 etime-itime

此代码仅通过20,000个用户,每次都创建临时矩阵.使用属于userid [i]的观察子集.在MacPro中大约需要6分钟.

在MatLab中,同样的任务

tic
for i=1:useridl
temp=data(data(:,1)==userid(i),:);
end
toc

需要1分钟.

为什么R这么慢？这是标准任务,我在两种情况下都使用矩阵.有任何想法吗？

Answer 1

正如@joran评论的那样,这是糟糕的R练习.不要重复对原始矩阵进行子集化,只需将子集放入列表中一次,然后使用lapply或类似地迭代列表.

# make example data
set.seed(21)
userid <- 1:1e4
obs <- sample(150, length(userid), TRUE)
users <- rep(userid, obs)
Data <- cbind(users,matrix(rnorm(40*sum(obs)),sum(obs),40))

# reorder so Data isn't sorted by userid
Data <- Data[order(Data[,2]),]
# note that you have to call the data.frame method explicitly,
# the default method returns a vector
system.time(temp <- split.data.frame(Data, Data[,1])) ## Returns times in seconds
#    user  system elapsed 
#    2.84    0.08    2.92 

我的猜测是垃圾收集器正在减慢你的R代码,因为你不断覆盖temp对象.