Question

我试图比较几种方法的速度，以便按组获取汇总统计数据。但是，运行microbenchmark时出错。错误说明：

Error in bmerge(i, x, leftcols, rightcols, io, xo, roll, rollends, nomatch,  : 
  x.'TRIAL_INDEX' is a character column being joined to i.'TRIAL_INDEX' which is type 'integer'. Character columns must join to factor or character columns.

我不确定，但我认为data.table会更改变量attribute的{{1}}。从搜索TRIAL_INDEX搜索类似的问题，我猜一些软件包之间存在冲突。

是否有解决方法，所以我可以将Stack Overflow的属性更改回TRIAL_INDEX或采取其他操作以便integer功能正常工作？或许我正在犯一个我没有看到的错误。

以下是我试图比较的五个函数的代码。从运行这些函数的子集开始，microbenchmark函数的速度给我留下了深刻的印象。

ave

Answer 1

您可以完成的一项简单测试是向您的函数添加cat("In tapply")，cat("In ave")等等，然后使用times = 1L再次运行以进行调试。

这样做，我明白了：

> microbenchmark(    tapply.function(poo),
+                    aggregate.function(poo),
+                    ave.function(poo),
+                    dplyr.function(poo), 
+                    data.table.function(poo), times = 1)
In dplyr
In tapply
Error in bmerge(i, x, leftcols, rightcols, io, xo, roll, rollends, nomatch,  : 
  x.'TRIAL_INDEX' is a character column being joined to i.'TRIAL_INDEX' which is type 'integer'. Character columns must join to factor or character columns.

错误发生在tapply函数。

让我们看一下该函数的前两行：

my.summary <- as.data.frame(do.call("rbind", tapply(poo$RIGHT_PUPIL_SIZE, 
                  poo$TRIAL_INDEX, function(x) c(index.mean = mean(x, na.rm = 
                        TRUE), index.sd =   sd(x, na.rm = TRUE)))))
my.summary$TRIAL_INDEX <- rownames(my.summary)

丁丁丁..我们是胜利者......

str(my.summary)
# 'data.frame': 2 obs. of  3 variables:
#  $ index.mean : num  7 3
#  $ index.sd   : num  2.58 1.83
#  $ TRIAL_INDEX: chr  "1" "2" ## <~~~ char type

这就是下一个merge上出现错误消息的原因。为什么？因为您在setDT(poo)中使用了data.table.function()（对象btw的奇怪名称），它通过引用修改了poo（？！？）。所有后续测试都将该对象用作data.table。

在data.table.function()结束时，在返回ans之前，请使用setDF(poo)，或者在该函数中使用as.data.table(poo)，并分别对as.data.table(poo)的时间进行基准测试我们可以从data.table函数的时间中扣除转换时间。

所有这一切，在10行上，您很可能只是从data.frame - ＆gt;来衡量类型转换的开销。 data.table - ＆gt; data.frame。我不确定你可以从ns / us时间得到什么有意义的结论（除非你重复这个任务> 1,000或10,000次）。

具有数据表，tapply，聚合，ave和dplyr的微基准

1 个答案: