Question

我的代码遇到了我可以在此代码段中重现的性能障碍

rm (z)
z = c()
system.time({z[as.character(1:10^5)] = T})
user  system elapsed 
48.716   0.023  48.738

我尝试用

预先分配z

z = logical(10^5)

但没有区别。然后我用

预先分配了名字

names(z) = character(10^5)

仍然没有速度差异。

system.time({z[as.character(1:10^5)] = T})
user  system elapsed 
50.345   0.035  50.381

如果我重复测试，无论有没有预先分配，速度都会恢复到合理水平（超过100倍）。

system.time({z[as.character(1:10^5)] = T})
user  system elapsed 
0.037   0.001   0.039

最后，我找到了一个不太完美的解决方法：

names(z) = as.character(1:10^5)
system.time({z[as.character(1:10^5)] = T})
user  system elapsed 
0.035   0.001   0.035

要回到慢速时间，您可以使用rm（z）并以不同的方式初始化它，但即使将名称更改回其他内容也会将时间翻转为慢速。我说这不是一个解决方法，因为我不明白为什么它有效，所以很难推广到我事先不知道名字的实际用例。当然，考虑到两个数量级的差异，人们怀疑涉及一些非向量化或解释器操作，但是您可以看到我的代码是无循环的，并且不会调用我能想到的任何解释代码。然后尝试使用较小的向量，我看到执行时间比线性增长快得多，也许是二次，这指向其他东西。问题是这种速度行为的原因是什么，以及使其更快的解决方案是什么。

平台是OS X mt lion，R 15.2。感谢

安东尼奥

Answer 1

我可以猜测发生了什么，因为下面的时间似乎与我的假设一致。

以下是三个相关的运行：

# run 1 - slow
rm (z)
n <- 3*10^4
z <- vector("logical", n)
system.time({
z[as.character(1:n)] <- T
})
#    user  system elapsed 
#    5.08    0.00    5.10

# run 2 - fast
rm (z)
n <- 3*10^4
z <- vector("logical", n)
system.time({
names(z) <- as.character(1:n)
z[as.character(1:n)] <- T
})
#    user  system elapsed 
#    0.03    0.00    0.03 

# run 3 - slow again
rm (z)
n <- 3*10^4
z <- vector("logical", n)
system.time({
for (i in 1:n) names(z)[i] <- as.character(i)
z[as.character(1:n)] <- T
})
#    user  system elapsed 
#    6.10    0.00    6.09

运行＃3是我认为在后台发生的事情，或者至少是这样的事情：在按名称进行分配时，R一次查找一个名称，如果没有找到，则在名称向量的结尾。一次做这个就是杀了它......

您还指出，按照以下names(z) <- character(1:n)预先指定名称并没有帮助。呵呵，看到character(1:n)返回""所以它没有像你想象的那样设置名字。毫不奇怪，它没有多大帮助。您打算使用as.character代替character。

最后，你问解决方案是什么让它更快？我说你已经找到了一个（Run＃2）。你也可以这样做：

keys   <- as.character(1:n)
values <- rep(T, n)
z <- setNames(values, keys)

Answer 2

这看起来很有趣。看起来R似乎是为每个不匹配的名称一次扩展一个元素。在这里，我们（a）只选择最后一个值，以防名称重复，然后（b）更新现有的命名元素和（c）追加新元素

updateNamed <-
    function(z, z1)
{
    z1 <- z1[!duplicated(names(z1), fromLast=TRUE)] # last value of any dup
    idx <- names(z1) %in% names(z)                  # existing names...
    z[ names(z1)[idx] ] <- z1[idx]                  # ...updated
    c(z, z1[!idx])                                  # new names appended
}

哪个有效？

> z <- setNames(logical(2), c("a", 2))
> updateNamed(z, setNames(c(TRUE, FALSE, TRUE, FALSE), c("a", 2, 2, "c")))
    a     2     c
 TRUE  TRUE FALSE

并且更快

> n <- 3*10^4
> z <- logical(n)
> z1 <- setNames(rep(TRUE, n), as.character(1:n))
> system.time(updateNamed(z, z1))
   user  system elapsed
  0.036   0.000   0.037

值得仔细思考如何使用名称，例如，附加到以前未命名的向量

> length(updateNamed(z, z1))
[1] 60000

更新（使用'last'值）一个命名向量

> length(updateNamed(z1, !z1))
[1] 30000

以及?"[<-"中提到的零长度字符串“”不匹配。

> z = TRUE; z[""] = FALSE; z

 TRUE FALSE

Answer 3

要解决此问题（通常），您可以将命名与赋值分离：

z[1:10^5] = T
names(z) = as.character(1:10^5)

但我真的不知道为什么会发生减速（听起来像是在表达式中为as.character的每个元素调用了完整的z，但这只是猜测。）

Answer 4

不能完全指出它，但我怀疑简化一个例子可能有助于解释一些事情：

R> z = logical(6); z[1:3] = T; z[as.character(1:3)] = T; z
                                        1     2     3
 TRUE  TRUE  TRUE FALSE FALSE FALSE  TRUE  TRUE  TRUE

并且虽然z[1:5]可能是直接的，可能是向量化的，但查找z[as.character(1:5)]将涉及索引查找的名称，无法回退到一次追加项目，等等。

在R中未命名（成名）时，向量的赋值非常慢

4 个答案: