Question

让我们假设我想在组内做某事，例如从每个组中提取第一行。使用tidyverse和iris数据集，这很容易：

iris %>% 
  group_by(Species) %>% 
  nest() %>% 
  mutate(first_within_group = map(data, ~head(.x, 1))) %>% 
  select(-data) %>% 
  unnest()

但是，对于更大的数据集，我会遇到性能问题。是否有group_by() + nest()的替代方案，在速度方面会更有效率？效果是否取决于group_by()内部的因素数量？

Answer 1

<?php require __DIR__ . '/../vendor/autoload.php'; require __DIR__ . '/../config/db.php'; $app = new \Slim\App(['settings' => $config]); require __DIR__ . '/../app/dependencies.php'; require __DIR__ . '/../app/routes.php'; $app->run();方式

data.table

基准

library( data.table )
dt <- as.data.table( iris )
dt[ dt[, .I[1], Species ]$V1]

Answer 2

使用切片

iris %>% group_by(Species) %>% slice(1)

使用data.table

library(data.table)
irisDT = as.data.table(iris)
irisDT[ ,.SD[1], by = Species]

基准

 expr        min        lq      mean    median       uq       max neval
  map   8024.127 8274.1645 9048.5633 8625.7005 9254.004 12900.339   100
  slice  943.808  986.0910 1274.0415 1082.6330 1428.091  4274.758   100
  dt[]   657.492  701.5495  847.3838  757.3865  780.738  4405.899   100

group_by + nest的性能替代

2 个答案: