dplyr选择多列性能

Question

目标： 我尝试选择包含大量列（> 100k）的NA / data.frame的完整列（没有matrix）列。

方法：我比较了 dplyr （使用data.frame）和 base （使用矩阵或数据）中获得的性能.frame）但似乎第一种方法（1行dplyr）永远持续，并在停止时出现错误。

示例：，包含50k列

library(dplyr)

# Dummy data
nbcol <- 50000
nbrow <- 5
M <- matrix(runif(nbcol*nbrow), nbrow)
M[M < .01] <- NA # 1% NA
M2 <- as.data.frame(M)


# Dplyr 1 line: 107seconds
system.time({
  select(M2, which(apply(M2, 2, function(x) !any(is.na(x)))))
})

# Dplyr 2 lines: 51 seconds
system.time({
  colind <- which(apply(M2, 2, function(x) !any(is.na(x))))
  select(M2, colind)
})

# Base data.frame: 0.53 seconds
system.time({
  M2[,which(apply(M2, 2, function(x) !any(is.na(x))))]
})

# Base matrix: 0.12 seconds
system.time({
  M[,which(apply(M, 2, function(x) !any(is.na(x))))]
})

这是预期的结果还是我做错了什么？