r - 将整个数据帧传递给函数还是仅将几列传递给计算速度会有所不同？

Question

假设我有一个包含大量列的数据框

ncol = 40
sample_size = 300

my_matrix <- replicate(ncol, runif(sample_size, 0, 3))
my_df <- data.frame(my_matrix)
names(my_df) <- paste0("x", 1:ncol)
epsilon <- rnorm(sample_size, 0, 0.2) 
my_df$y <- 1+3*my_df$x1 + epsilon

我将数据框传递给一个函数，该函数只需要三列即可完成这项工作(在我的实际代码中，该函数可能使用 3 列以上，但我试图在这里保持简单):

library(ggplot2)

idle_plotter <- function(dataframe, x_string, y_string, color_string){
    p <- ggplot(dataframe, aes_string(x = x_string, y = y_string, color = color_string)) +
        geom_point()
    print(p)
}

如果我通过整个 my_df，在速度方面有什么不同吗？至 idle_plotter ，或者只是三列 idle_plotter需要？如果整个数据框是在调用时复制的，我猜是这样，但如果 R​​ 是按引用传递的，则不应该。在我的测试中，它似乎没有什么区别，但我需要知道:

这是一个规则，在这种情况下，我可以继续将数据帧传递给函数

或者只是运气不好，因为函数很简单和/或数据框不是很大。在这种情况下，我 必须放弃传递完整数据帧的习惯，否则我的代码可能会比现在更慢。

Answer 1

似乎没有什么大的区别:用你的数据运行

idle_plotter_df <- function(dataframe, x_string, y_string, color_string){
    p <- ggplot(dataframe, aes_string(x = x_string, y = y_string, color = color_string)) +
        geom_point()
    print(p)
}

idle_plotter_col <- function(x_string, y_string, color_string){
  p <- ggplot(NULL) + aes_string(x = x_string, y = y_string, color = color_string) +
    geom_point()
  print(p)
}

microbenchmark::microbenchmark(
  idle_plotter_df(my_df, "x1", "x2", "x3"),
  idle_plotter_col("my_df$x1", "my_df$x2", "my_df$x3"), times = 10L)

结果

Unit: milliseconds
                                                 expr      min       lq     mean   median       uq      max neval
             idle_plotter_df(my_df, "x1", "x2", "x3") 168.8718 260.0504 265.3658 270.8738 272.5409 323.3371    10
 idle_plotter_col("my_df$x1", "my_df$x2", "my_df$x3") 264.6850 276.4981 293.8205 284.9820 300.3936 356.9910    10