挑战：优化退市 [容易]

Question

因为 SO 最近有点慢，所以我发布了一个简单的问题。如果大鱼们留在替补席上并给新秀一个回应的机会，我将不胜感激。

有时我们的对象包含大量的大列表元素（向量）。您如何将此对象“取消列出”到单个向量中。证明您的方法比unlist() 更快。

Answer 1

如果你不需要名字并且你的名单只有一层，那么如果你能打败

.Internal(unlist(your_list, FALSE, FALSE))

我会投票赞成你在未来 1 年所做的一切！

[更新：如果需要非唯一名称并且列表不是递归的，这里有一个版本比 unlist 改进了 100 倍

 myunlist <- function(l){
    names <- names(l)
    vec <- unlist(l, F, F)
    reps <- unlist(lapply(l, length), F, F)
    names(vec) <- rep(names, reps)
    vec
    }

 myunlist(list(a=1:3, b=2))
 a a a b 
 1 2 3 2 

 > tl <- list(a = 1:20000, b = 1:5000, c = 2:30)
 > system.time(for(i in 1:200) unlist(tl))
 user  system elapsed 
 22.97    0.00   23.00 

 > system.time(for(i in 1:200) myunlist(tl))
 user  system elapsed 
 0.2     0.0     0.2 

 > system.time(for(i in 1:200) unlist(tl, F, F))
 user  system elapsed 
 0.02    0.00    0.02 

]

[更新 2：回应 Richie Cotton 挑战 Nr3。

bigList3 <- replicate(500, rnorm(1e3), simplify = F)

unlist_vit <- function(l){
    names(l) <- NULL
    do.call(c, l)
    }

library(rbenchmark)

benchmark(unlist = unlist(bigList3, FALSE, FALSE),
          rjc    = unlist_rjc(bigList3),
          vit    = unlist_vit(bigList3),
          order  = "elapsed",
          replications = 100,
          columns = c("test", "relative", "elapsed")
          )

    test  relative elapsed
1 unlist   1.0000    2.06
3    vit   1.4369    2.96
2    rjc   3.5146    7.24

]

PS：我认为“大鱼”是比你名声更大的鱼。所以我在这里很小:)。

Answer 2

非unlist() 的解决方案必须非常快才能击败unlist()，不是吗？在这里，用 2000 个长度为 100,000 的数字向量取消列出一个列表只需不到两秒的时间。

> bigList2 <- as.list(data.frame(matrix(rep(rnorm(1000000), times = 200), 
+                                       ncol = 2000)))
> print(object.size(bigList2), units = "Gb")
1.5 Gb
> system.time(foo <- unlist(bigList2, use.names = FALSE))
   user  system elapsed 
  1.897   0.000   2.019

在我的工作区中使用bigList2 和foo，R 正在使用我大约9Gb 的可用内存。密钥是use.names = FALSE。没有它unlist() 会非常缓慢。到底有多慢我还在等着发现......

我们可以通过设置recursive = FALSE 来加快速度，然后我们实际上与 VitoshKa 的答案相同（两个代表性时间）：

> system.time(foo <- unlist(bigList2, recursive = FALSE, use.names = FALSE))
   user  system elapsed 
  1.379   0.001   1.416
> system.time(foo <- .Internal(unlist(bigList2, FALSE, FALSE)))
   user  system elapsed 
  1.335   0.000   1.344

...终于use.names = TRUE版本完成了...：

> system.time(foo <- unlist(bigList2, use = TRUE))
    user   system  elapsed 
2307.839   10.978 2335.815

它消耗了我所有系统 16Gb 的 RAM，所以我当时放弃了...

Answer 3

c() 具有逻辑参数recursive，当设置为TRUE（默认显然是FALSE）时，它将递归地取消列出向量。

l <- replicate(500, rnorm(1e3), simplify = F)

microbenchmark::microbenchmark(
  unlist = unlist(l, FALSE, FALSE),
  c = c(l, recursive = TRUE, use.names = FALSE)
)

# Unit: milliseconds
# expr      min       lq     mean   median       uq      max neval
# unlist 3.083424 3.121067 4.662491 3.172401 3.985668 27.35040   100
#      c 3.084890 3.133779 4.090520 3.201246 3.920646 33.22832   100

Answer 4

作为一条中等大小的鱼，我正在尝试第一次尝试的解决方案，该解决方案为小鱼提供了一个可以击败的基准。它比 unlist 慢大约 3 倍。

我正在使用ucfagls 的测试列表的较小版本。 （因为它更适合内存。）

bigList3 <- as.list(data.frame(matrix(rep(rnorm(1e5), times = 200), ncol = 2000)))

基本思想是创建一个长向量来存储答案，然后遍历列表项并从列表中复制值。

unlist_rjc <- function(l)
{
  lengths <- vapply(l, length, FUN.VALUE = numeric(1), USE.NAMES = FALSE)
  total_len <- sum(lengths)
  end_index <- cumsum(lengths)
  start_index <- 1 + c(0, end_index)
  v <- numeric(total_len)
  for(i in seq_along(l))
  {
    v[start_index[i]:end_index[i]] <- l[[i]]
  }
  v
}

t1 <- system.time(for(i in 1:10) unlist(bigList2, FALSE, FALSE))
t2 <- system.time(for(i in 1:10) unlist_rjc(bigList2))
t2["user.self"] / t1["user.self"]  # 3.08

小鱼儿的挑战：
1. 可以扩展它来处理数字以外的其他类型吗？
2. 你能让它与递归（嵌套列表）一起工作吗？
3. 能不能快点？

如果答案符合这些小挑战中的一项或多项，我会投票给得分低于我的人。