提高代码速度性能 - R 中的“by”和“approx”函数答案

【问题标题】：Improve code speed performance - ‘by’ and ‘approx’ functions in R提高代码速度性能 - R 中的“by”和“approx”函数
【发布时间】：2021-06-23 07:37:33
【问题描述】：

我有一个关于日期和深度的计算氧剖面 (cop) 数据。每个日期的深度间隔不一样，所以我需要通过线性近似计算圆形深度列（“Depth2”）的氧气。我用'by'和一个近似函数完成了它。它工作正常，但有点慢（下面代码中的数据集大约需要 3.5 秒）。我正在寻找一种提高计算速度的方法。有什么建议么？我希望从谷歌驱动器加载数据能够顺利进行。

 #download data from google drive
id<-"1p1wiw8NS-oMCI5RDZNaHc-55EpWSFEv8"# google file ID
cop<-read.csv(sprintf("https://docs.google.com/uc?id=%s&export=download",id))
    
start_time <- Sys.time()

# calculate linear approx to the rounded depth and leave only unique result per date
df_list <- by(cop, cop$Date, function(sub) {
  copa <- approx(x=sub$Depth, y=sub$Oxygen, xout=sub$Depth2, rule=2)
  
  df <- unique(data.frame(Date = sub$Date, 
                          Depth2 = sub$Depth2,
                          O2 = copa$y,
                          stringsAsFactors = FALSE))
  return(df)
})    

cop2 <- do.call(rbind, unname(df_list))

end_time <- Sys.time()
end_time - start_time

【问题讨论】：

标签： r performance split-apply-combine

【解决方案1】：

以下版本比发布的基于 by 的版本快 0%。不多，大部分时间都在approx。

start_time2 <- Sys.time()
M <- as.matrix(cop[c("Depth", "Depth2", "Oxygen")])
inx <- split(seq_along(row.names(cop)), cop$Date)
df_list3 <- lapply(inx, function(i){
  copa <- approx(
    x = M[i, "Depth"],
    y = M[i, "Oxygen"],
    xout = M[i, "Depth2"],
    rule = 2
  )

  df <- unique(data.frame(copa))
  df$Date <- cop[ i[1], "Date"]
  df
})
cop3 <- do.call(rbind, unname(df_list3))[c(3, 1:2)]
names(cop3)[2:3] <- c("Depth2", "O2")
end_time2 <- Sys.time()

identical(cop2, cop3)  # FALSE
all.equal(cop2, cop3)  # TRUE

t1 <- as.numeric(end_time - start_time)
t2 <- as.numeric(end_time2 - start_time2)
100*(t1 - t2)/t1
#[1] 20.46678

rm(M, inx)  # final clean up

【讨论】：

快了 15~20%。谢谢@Rui