Question

可能重复：
Why are loops slow in R?

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。有什么想法吗？

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或类似内容迭代列表。

# 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。

R和Matlab速度之间存在差异

1 个答案: