match.funは実際の関数よりも遅いR

Question

私は、同じものを測定する行を持つ大きなデータセットを持っています（本質的にノイズで重複します）。私が書いているより大きな関数の一環として、ユーザーは選択した関数（例えば、平均、中央値）でこれらの行を折りたたむことができます。

私の問題は、関数を直接呼び出すと、match.fun（私が必要とするもの）を使うよりもスピードがはるかに速いことです。 MWE：私のシステムで

require(data.table) 

rows <- 100000 
cols <- 1000 
dat <- data.table(id=sample(LETTERS, rows, replace=TRUE), 
        matrix(rnorm(rows*cols), nrow=rows)) 

aggFn <- "median" 

system.time(dat[, lapply(.SD, median), by=id]) 
system.time(dat[, lapply(.SD, match.fun(aggFn)), by=id]) 

、最後の2行の結果タイミング：これは、大規模なデータセットで劇的になり

user system elapsed 
    1.112 0.027 1.141 
    user system elapsed 
    2.854 0.265 3.121 

を。

最終的には、aggregate（）がこれを行うことができます（この動作には苦しんでいないようです）が、データサイズのためdata.tableオブジェクトで作業する必要があります。

Answer 1

理由は、gforce最適化data.tableがmedianのためです。 options(datatable.verbose=TRUE)と設定すると分かります。詳細は、help("GForce")を参照してください。

あなたが他の機能のために比較した場合、あなたがより多くの同様のタイミング取得：最適化を利用する

fun <- median 
aggFn <- "fun" 
system.time(dat[, lapply(.SD, fun), by=id]) 
system.time(dat[, lapply(.SD, match.fun(aggFn)), by=id]) 

可能な回避策を機能がサポートされるように発生した場合、式を評価されるだろう使用して、例えば、それを構築しますeval(parse())恐ろしい：

dat[, eval(parse(text = sprintf("lapply(.SD, %s)", aggFn))), by=id] 

しかし、あなたはmatch.funが追加されます使用して、小さなセキュリティを失うことになります。あなたはこれを行うことができ、ユーザが選択できる機能のリストを持っている場合は

は：

funs <- list(quote(mean), quote(median)) 
fun <- funs[[1]] #select 
expr <- bquote(lapply(.SD, .(fun))) 
a <- dat[, eval(expr), by=id]