performance - 在 R 中未命名(变为命名)时对向量的分配非常慢

Question

我的代码遇到了性能障碍，我可以在此代码段中重现该问题

rm (z)
z = c()
system.time({z[as.character(1:10^5)] = T})
user  system elapsed 
48.716   0.023  48.738 

我试图预先分配 z

z = logical(10^5)

但这没什么区别。
然后我预先分配了名称

names(z) = character(10^5)

仍然没有速度差异。

system.time({z[as.character(1:10^5)] = T})
user  system elapsed 
50.345   0.035  50.381 

如果我重复测试，无论是否进行预分配，速度都会恢复到合理水平(快 100 倍以上)。

system.time({z[as.character(1:10^5)] = T})
user  system elapsed 
0.037   0.001   0.039 

最后我找到了一个不太好的解决方法:

names(z) = as.character(1:10^5)
system.time({z[as.character(1:10^5)] = T})
user  system elapsed 
0.035   0.001   0.035 

要回到缓慢的时间，您可以 rm(z) 并以不同的方式初始化它，但即使将名称改回其他名称也会使时间变回缓慢。
我是说这不是一个很好的解决方法，因为我不明白它为什么有效，所以很难概括到我事先不知道名称的实际用例。当然，考虑到两个数量级的差异，有人怀疑涉及一些非矢量化或解释器繁重的操作，但您可以看到我的代码是无循环的，并且没有调用我能想到的任何解释代码。然后尝试使用较小的向量，我发现执行时间的增长速度比线性增长快得多，可能是二次的，这指向其他东西。问题是这种速度行为的原因是什么以及使它更快的解决方案是什么。

平台是带有 R 15.2 的 OS X mt lion。谢谢

安东尼奥

Answer 1

我可以推测发生了什么，因为下面的时间似乎符合我的假设。

以下是三个相关的运行:

# run 1 - slow
rm (z)
n <- 3*10^4
z <- vector("logical", n)
system.time({
z[as.character(1:n)] <- T
})
#    user  system elapsed 
#    5.08    0.00    5.10

# run 2 - fast
rm (z)
n <- 3*10^4
z <- vector("logical", n)
system.time({
names(z) <- as.character(1:n)
z[as.character(1:n)] <- T
})
#    user  system elapsed 
#    0.03    0.00    0.03 

# run 3 - slow again
rm (z)
n <- 3*10^4
z <- vector("logical", n)
system.time({
for (i in 1:n) names(z)[i] <- as.character(i)
z[as.character(1:n)] <- T
})
#    user  system elapsed 
#    6.10    0.00    6.09 

运行 #3 是我认为在后台发生的事情，或者至少是这样的事情:在按名称进行分配时，R 一次查找一个名称，如果没有找到，则在最后分配它名称向量。一次做这件事就是杀死它...

您还指出按以下方式预先分配名称 names(z) <- character(1:n)没有帮助。呵呵，看到了character(1:n)返回 ""所以它没有像你想象的那样设置名称。毫不奇怪，它没有多大帮助。您打算使用 as.character而不是 character .

最后，您问有什么解决方案可以加快速度？我会说你已经找到了一个(运行#2)。你也可以这样做:

keys   <- as.character(1:n)
values <- rep(T, n)
z <- setNames(values, keys)