我在data.table中有nc
列,在向量中有nc
个标量。我想要一个linear combination列,但我不知道我将使用哪些列。 最有效的方法是什么?
require(data.table)
set.seed(1)
n <- 1e5
nc <- 5
cf <- setNames(rnorm(nc),LETTERS[1:nc])
DT <- setnames(data.table(replicate(nc,rnorm(n))),LETTERS[1:nc])
假设我想使用前四列。我可以手动写:
DT[,list(cf['A']*A+cf['B']*B+cf['C']*C+cf['D']*D)]
我可以想到两种自动方式(在不知道应该全部使用A-E的情况下工作):
mycols <- LETTERS[1:4] # the first four columns
DT[,list(as.matrix(.SD)%*%cf[mycols]),.SDcols=mycols]
DT[,list(Reduce(`+`,Map(`*`,cf[mycols],.SD))),.SDcols=mycols]
我希望as.matrix
使第二个选项变慢,并且对Map
- Reduce
组合的速度没有直觉。
require(rbenchmark)
options(datatable.verbose=FALSE) # in case you have it turned on
benchmark(
manual=DT[,list(cf['A']*A+cf['B']*B+cf['C']*C+cf['D']*D)],
coerce=DT[,list(as.matrix(.SD)%*%cf[mycols]),.SDcols=mycols],
maprdc=DT[,list(Reduce(`+`,Map(`*`,cf[mycols],.SD))),.SDcols=mycols]
)[,1:6]
test replications elapsed relative user.self sys.self
2 coerce 100 2.47 1.342 1.95 0.51
1 manual 100 1.84 1.000 1.53 0.31
3 maprdc 100 2.40 1.304 1.62 0.75
当我重复benchmark
电话时,相对于手动方式,我的速度减慢了5%到40%。
此处的维度 - n
和length(mycols)
- 与我正在使用的相近,但我会多次运行这些计算,更改系数向量cf
答案 0 :(得分:7)
这比我的手动版本快了近2倍:
Reduce("+", lapply(names(DT), function(x) DT[[x]] * cf[x]))
benchmark(manual = DT[, list(cf['A']*A+cf['B']*B+cf['C']*C+cf['D']*D)],
reduce = Reduce('+', lapply(names(DT), function(x) DT[[x]] * cf[x])))
# test replications elapsed relative user.self sys.self user.child sys.child
#1 manual 100 1.43 1.744 1.08 0.36 NA NA
#2 reduce 100 0.82 1.000 0.58 0.24 NA NA
要迭代mycols
,请将names(DT)
替换为mycols
中的lapply
。
答案 1 :(得分:1)
将此选项添加到基准调用中:
ops = as.matrix(DT) %*% cf
在我的设备上,它比您尝试的矩阵乘法快30%。