Fonction facteur R lente avec une longue trame de données

J'ai une longue trame de données (plusieurs millions de lignes, plusieurs colonnes). Pour exécuter des régressions à effets fixes, je veux déclarer des variables catégoriques en tant que facteurs en utilisant la fonction factor, mais c'est très lent. Je suis à la recherche d'une solution potentielle pour l'accélérer.Fonction facteur R lente avec une longue trame de données

Mon code est le suivant:

library(lfe) 
my_data=read.csv("path_to//data.csv") 
attach(data.frame(my_data))

et ce qui suit est la très ligne lente:

my_data$col <- factor(my_data$col)

Source

2017-04-06 splinter

Si vous connaissez les niveaux du facteur que vous créez, cela peut accélérer les choses un peu. Observer:

library(microbenchmark) 
set.seed(237) 
test <- sample(letters, 10^7, replace = TRUE) 
microbenchmark(noLevels = factor(test), withLevels = factor(test, levels = letters), times = 20) 
Unit: milliseconds 
     expr  min  lq  mean median  uq  max neval cld 
    noLevels 523.6078 545.3156 653.4833 696.4768 715.9026 862.2155 20 b 
withLevels 248.6904 270.3233 325.0762 291.6915 345.7774 534.2473 20 a

Et pour obtenir les niveaux pour la situation de l'OP, nous appelons simplement unique.

myLevels <- unique(my_data$col) 
my_data$col <- factor(my_data$col, levels = myLevels)

Il y a aussi une offre Rcpp écrit par Kevin Ushley (Fast factor generation with Rcpp). J'ai modifié le code un peu en supposant une situation où l'on connaîtrait les niveaux a priori. La fonction du site référencé est RcppNoLevs et la fonction Rcpp modifiée est RcppWithLevs dans l'analyse comparative ci-dessous.

microbenchmark(noLevels = factor(test), 
       withLevels = factor(test, levels = letters), 
       RcppNoLevs = fast_factor(test), 
       RcppWithLevs = fast_factor_Levs(test, letters), times = 20) 
Unit: milliseconds 
     expr  min  lq  mean median  uq  max neval cld 
    noLevels 571.5482 609.6640 672.1249 645.4434 704.4402 1032.7595 20 d 
    withLevels 275.0570 294.5768 318.7556 309.2982 342.8374 383.8741 20 c 
    RcppNoLevs 189.5656 203.3362 213.2624 206.9281 215.6863 292.8997 20 b 
RcppWithLevs 105.7902 111.8863 120.0000 117.9411 122.8043 173.8130 20 a

Voici la fonction CRPP modifiée qui suppose une passe niveaux comme argument:

#include <Rcpp.h> 
using namespace Rcpp; 

template <int RTYPE> 
IntegerVector fast_factor_template_Levs(const Vector<RTYPE>& x, const Vector<RTYPE>& levs) { 
    IntegerVector out = match(x, levs); 
    out.attr("levels") = as<CharacterVector>(levs); 
    out.attr("class") = "factor"; 
    return out; 
} 

// [[Rcpp::export]] 
SEXP fast_factor_Levs(SEXP x, SEXP levs) { 
    switch(TYPEOF(x)) { 
    case INTSXP: return fast_factor_template_Levs<INTSXP>(x, levs); 
    case REALSXP: return fast_factor_template_Levs<REALSXP>(x, levs); 
    case STRSXP: return fast_factor_template_Levs<STRSXP>(x, levs); 
    } 
    return R_NilValue; 
}

Source

2017-04-07 00:12:15

Fonction facteur R lente avec une longue trame de données

Répondre

Questions connexes