変換

Question

私は下記のおもちゃの例のように、Rのdata.tableからネストされたリストを作成したいと思わ：

library(data.table) 

generate_dt <- function(num_unique_id=100, rows_per_id=2) { 
    num_rows <- num_unique_id * rows_per_id 
    my_dt <- data.table(my_id=rep(seq(1, num_unique_id), rows_per_id), 
         y1=rnorm(num_rows), y2=rnorm(num_rows), y3=rnorm(num_rows), 
         z=runif(num_rows)) 
    setkey(my_dt, my_id) 
    return(my_dt) 
} 

## Suppose I want to go from my_dt to a nested list 
list_from_dt <- function(my_dt) { 
    num_unique_id <- length(unique(my_dt$my_id)) 
    my_list <- lapply(seq_len(num_unique_id), function(id) { 
     my_dt_subset <- my_dt[J(id)] 
     return(list(y=as.matrix(my_dt_subset[, c("y1", "y2", "y3"), with=FALSE]), 
        max_z=max(my_dt_subset$z))) 

    }) 
    stopifnot(is.matrix(my_list[[1]]$y)) 
    return(my_list) 
} 

my_dt <- generate_dt() 
my_list <- list_from_dt(my_dt) # Suppose I have some code that expects a nested list like this 

system.time(replicate(100, unused <- generate_dt())) # Fast, 0.062 elapsed 
system.time(replicate(100, unused <- list_from_dt(my_dt))) # Roughly 200 times slower (12.586 elapsed) 

なぜ、ネストされたリストを作成していますデータテーブルの作成に比べて遅いですか？私のlist_from_dt機能をスピードアップする方法はありますか？私はmy_dtへのルックアップは比較的速いと仮定しています。ボトルネックは、ネストされたリスト内のマトリックスのための小さな断片化されたメモリの多くを割り当てることから来ていますか？ここで

Answer 1

は、私がsplitとgmaxで見たものです。

f = function(){ 
    s = lapply(split(my_dt[, !"z", with=FALSE], by="my_id", keep.by=FALSE), as.matrix) 
    mz = my_dt[, max(z), by=my_id] 
    Map(list, ys = s, mz = mz$V1) 
} 

system.time(replicate(100, generate_dt()))   # 0.1 
system.time(replicate(100, list_from_dt(my_dt))) # 20.1 
system.time(replicate(100, f()))     # 2.1 

それは次のようになります。

> head(res, 2) 
$`1` 
$`1`$ys 
       y1   y2   y3 
[1,] -0.04493979 -1.01340856 0.08481358 
[2,] -0.75860610 0.04113645 -0.36270441 

$`1`$mz 
[1] 0.9362695 


$`2` 
$`2`$ys 
      y1   y2  y3 
[1,] 0.7718361 -0.8005803 1.2195464 
[2,] 0.1658420 -1.2846028 0.4607024 

$`2`$mz 
[1] 0.8551927 

番号、`1`と`2`は現在、リスト要素の名前として、my_id値であり、 。