【发布时间】：2012-08-31 17:38:26
【问题描述】：
发布Best way to allocate matrix in R, NULL vs NA? 表明，在 R 中编写自己的矩阵分配函数可以比使用 R 的内置 matrix() 函数预分配大矩阵快 8 到 10 倍。
有谁知道为什么手工制作的功能如此之快？ R 在如此慢的 matrix() 内部做了什么？谢谢。
这是我系统上的代码：
create.matrix <- function( nrow, ncol ) {
x<-matrix()
length(x) <- nrow*ncol
dim(x) <- c(nrow,ncol)
x
}
system.time( x <- matrix(nrow=10000, ncol=9999) )
user system elapsed
1.989 0.136 2.127
system.time( y <- create.matrix( 10000, 9999 ) )
user system elapsed
0.192 0.141 0.332
identical(x,y)
[1] TRUE
我向那些评论认为用户定义的函数速度较慢的人表示歉意，因为上述链接的答案中发布的内容不一致。我正在查看用户时间，在上面的链接中大约快 8 倍，而在我的系统上，用户定义的与内置的大约快 10 倍。
响应 Joshua 的会话信息请求：
> sessionInfo()
R version 2.12.1 (2010-12-16)
Platform: x86_64-unknown-linux-gnu (64-bit)
locale:
[1] LC_CTYPE=en_US.UTF-8 LC_NUMERIC=C
[3] LC_TIME=en_US.UTF-8 LC_COLLATE=en_US.UTF-8
[5] LC_MONETARY=C LC_MESSAGES=en_US.UTF-8
[7] LC_PAPER=en_US.UTF-8 LC_NAME=C
[9] LC_ADDRESS=C LC_TELEPHONE=C
[11] LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C
attached base packages:
[1] stats graphics grDevices utils datasets methods base
loaded via a namespace (and not attached):
[1] tools_2.12.1
另外，我尝试运行 Simon 的三个示例，Simon 给出的第三个示例速度最快，但对我来说却是最慢的：
> system.time(matrix(NA, nrow=10000, ncol=9999))
user system elapsed
2.011 0.159 2.171
> system.time({x=NA; length(x)=99990000; dim(x)=c(10000,9999); x})
user system elapsed
0.194 0.137 0.330
> system.time(matrix(logical(0), nrow=10000, ncol=9999))
user system elapsed
4.180 0.200 4.385
不过，我仍然认为 Simon 的想法可能是正确的，即 matrix() 最初分配一个 1x1 矩阵然后复制它。有人知道关于 R 内部的任何好的文档吗？谢谢。
【问题讨论】：
-
我不确定我是否遵循。那个问题中的自定义函数不是 slower 吗（即使那样，大约是 3 倍）？正如评论中指出的那样，使用矢量化总是会快得多。
-
在接受的答案中，我看到用户定义的函数比仅使用
matrix慢 3 倍。你能提供一个比matrix快8-10倍的自定义函数的例子吗？ -
还要注意链接中的 2 个对象具有不同的存储模式（向量（可能是逻辑）与列表），因此虽然它们都是矩阵，但它们在可以存储的内容和随之而来的开销。
-
你的
sessionInfo是什么？create.matrix函数在 WinXP 32 位上使用 R-2.15.1 仅稍微快一点（~15%），但我在 Ubuntu 64 位上使用 R-2.15.1 得到类似的时间。 -
我不知道你为什么仍然认为西蒙是在正确的轨道上。我已经在我的 cmets 中解释了他的回答在哪里以及为什么我认为它偏离了轨道。不过要等西蒙确认。