r - 为什么 model.matrix 这么慢？

Question

考虑以下演示数据:

set.seed(1)
n <- 1000000
x1 <- rnorm(n)
x2 <- rnorm(n)
x3 <- rnorm(n)

如果我使用 model.matrix() 构建矩阵 mt，则需要很长时间:

system.time(mt <- model.matrix(~x1+x2+x3))
usuário   sistema decorrido 
 0.916     0.185     1.135 

但是如果我对矩阵做同样的事情，它会非常快:

system.time(mt2 <- matrix(c(rep(1, n), x1, x2, x3), byrow=FALSE, ncol=4))
 usuário   sistema decorrido 
  0.085     0.021     0.105 

为什么有区别？是什么让 model.matrix() 变慢对于 lm() 和相关函数来说真的有必要吗？

Answer 1

使用debugonce(model.matrix.default)，并在其中使用tracemem(data)

model.matrix.default 调用 model.frame 返回一个 data.frame。在 model.matrix.default 中，此 data.frame 至少被复制 3 次。

为什么lm使用model.matrix --> lm通常用data.frame调用、list 或 environment 作为 data 参数。 model.frame 并返回 data.frame 确保公式中的项可以通过后续调用 lm 找到，并且将引用相同的项值。