Question

我有这样的数据

if ReachabilityManager.sharedInstance.isConnectedToNetwork() {
   // Connected
} else {
  // Not connected
}

我使用spread函数使用以下函数

分配公共字符串

    n <- 1e5
set.seed(24)
df1 <- data.frame(query_string = sample(sprintf("%06d", 100:1000), 
 n, replace=TRUE), id.x = sample(1:n), 
                  s_val = sample(paste0("F", 400:700), n, 
        replace=TRUE), id.y = sample(100:3000, n, replace=TRUE), 
            ID_col_n = sample(100:1e6, n, replace=TRUE), total_id = 1:n)

这种方法很有效，但是当数据量巨大时，它就像永远不会结束。我不知道我的电脑是挂了还是还在运行，因为两个小时后仍然没有任何东西出现

我想知道是否可以帮助我使用其他功能或其他比library(tidyr) res <- spread(resNik,s_val,value=query_string,fill=NA)更快的功能？

Answer 1

基于来自1e5的{{1}}行dcast的基准faster

data.table

差异随着行数的增加而增加，即来自改变＆＃39; n＆＃39;到1e6

library(data.table)
system.time({res1 <- spread(df1,s_val,value=query_string,fill=NA)})
# user  system elapsed 
#   1.50    0.25    1.75 


system.time({res2 <- dcast(setDT(df1), id.x+id.y + ID_col_n +total_id~s_val,
                                  value.var = "query_string")})
# user  system elapsed 
#   0.61    0.03    0.61 

res11 <- res1 %>%
           arrange(id.x)
res21 <- res2[order(id.x)]  

all.equal(as.data.frame(res11), as.data.frame(res21), check.attributes=FALSE)  
#[1] TRUE

数据

system.time({res1 <- spread(df1,s_val,value=query_string,fill=NA)})
#   user  system elapsed 
# 28.64    3.17   31.91 
system.time({res2 <- dcast(setDT(df1), id.x+id.y + ID_col_n +total_id~s_val,
                                  value.var = "query_string")})
#   user  system elapsed 
#   5.22    1.08    6.21

我怎样才能加速tidyr的功能

1 个答案:

数据