R_Language 板


LINE

我最爱比速度了XDDD 新增dplyr跟plyr的比较 我来提供一个更快的,code如下: N = 1e4 x <- data.frame(Freq=runif(N,0,1),Category=c("T","F")) library(data.table) library(plyr) library(dplyr) library(sqldf) x_dt = data.table(x) setkey(x_dt, Category) Cate_group_dt = group_by(x_dt, Category) Cate_group_df = group_by(x_dt, Category) library(rbenchmark) benchmark(data_table = x_dt[, sum(Freq),by = Category], tapply = tapply(x$Freq, x$Category, FUN=sum), sqldf = sqldf("SELECT Category, sum(Freq) FROM x GROUP BY Category"), plyr_dt = aggregate(Freq ~ Category, data = x_dt, FUN=sum), plyr_dt2 = ddply(x_dt, .(Category), colwise(sum)), plyr_df = aggregate(Freq ~ Category, data = x, FUN=sum), plyr_df2 = ddply(x, .(Category), colwise(sum)), dplyr_dt = summarise(Cate_group_dt, sum(Freq)), dplyr_df = summarise(Cate_group_df, sum(Freq)), replications = 100, columns=c('test', 'replications', 'elapsed','relative', 'user.self'), order='relative') Result for N = 1e4: test replications elapsed relative user.self 2 tapply 100 0.07 1.000 0.08 1 data_table 100 0.10 1.429 0.09 8 dplyr_dt 100 0.14 2.000 0.14 9 dplyr_df 100 0.17 2.429 0.17 5 plyr_dt2 100 0.23 3.286 0.24 7 plyr_df2 100 0.23 3.286 0.23 3 sqldf 100 2.24 32.000 2.22 4 plyr_dt 100 2.61 37.286 2.60 6 plyr_df 100 3.88 55.429 3.88 # 这里我多做几次 tapply跟data.table其实有上有下,不分轩轾 Results for N = 1e6 test replications elapsed relative user.self 9 dplyr_df 20 0.51 1.000 0.46 1 data_table 20 0.52 1.020 0.48 8 dplyr_dt 20 0.52 1.020 0.43 2 tapply 20 0.99 1.941 0.87 5 plyr_dt2 20 1.54 3.020 1.32 7 plyr_df2 20 1.56 3.059 1.35 3 sqldf 20 39.51 77.471 37.68 4 plyr_dt 20 66.23 129.863 65.17 6 plyr_df 20 102.23 200.451 101.37 Results for N = 1e7 test replications elapsed relative user.self 5 dplyr_dt 20 4.83 1.000 4.03 6 dplyr_df 20 4.84 1.002 4.13 1 data_table 20 4.85 1.004 4.11 2 tapply 20 9.90 2.050 8.47 4 plyr_df2 20 15.90 3.292 12.98 3 plyr_dt2 20 16.01 3.315 13.01 资料不算太大时,data.table跟tapply算快,但是资料变大之後 dplyr跟data.table就差不多快。 接着测试如果有两个group的话 N = 1e4 set.seed(100) x <- data.frame(Freq=runif(N,0,1),Category=c("T","F"), Category2 = sample(c("T","F"), N, replace = TRUE)) library(data.table) library(plyr) library(dplyr) library(sqldf) x_dt = data.table(x) setkey(x_dt, Category, Category2) Cate_group_dt = group_by(x_dt, Category, Category2) Cate_group_df = group_by(x_dt, Category, Category2) library(rbenchmark) benchmark(data_table = x_dt[, sum(Freq),by = key(x_dt)], tapply = tapply(x$Freq, list(x$Category, x$Category2), FUN=sum), plyr_dt2 = ddply(x_dt, .(Category, Category2), colwise(sum)), plyr_df2 = ddply(x, .(Category, Category2), colwise(sum)), dplyr_dt = summarise(Cate_group_dt, sum(Freq)), dplyr_df = summarise(Cate_group_df, sum(Freq)), replications = 100, columns=c('test', 'replications', 'elapsed','relative', 'user.self'),order='relative') Result for N = 1e4: test replications elapsed relative user.self 2 tapply 100 0.06 1.000 0.06 1 data_table 100 0.11 1.833 0.11 5 dplyr_dt 100 0.17 2.833 0.18 6 dplyr_df 100 0.17 2.833 0.17 4 plyr_df2 100 0.40 6.667 0.41 3 plyr_dt2 100 0.41 6.833 0.40 Result for N = 1e6: test replications elapsed relative user.self 1 data_table 20 0.39 1.000 0.33 5 dplyr_dt 20 0.39 1.000 0.36 6 dplyr_df 20 0.40 1.026 0.36 2 tapply 20 1.13 2.897 1.03 3 plyr_dt2 20 3.52 9.026 2.97 4 plyr_df2 20 3.59 9.205 3.09 Result for N = 1e7: test replications elapsed relative user.self 1 data_table 20 3.70 1.000 3.42 6 dplyr_df 20 3.73 1.008 3.33 5 dplyr_dt 20 3.75 1.014 3.22 2 tapply 20 11.89 3.214 10.37 3 plyr_dt2 20 35.99 9.727 29.56 4 plyr_df2 20 36.72 9.924 30.32 结果同一个类别的情况。 最後,测试结果得知data.table真的很快!!!! 而且dplyr也很快,还可以直接搭配data.frame,我觉得算是更方便 至於plyr的ddply,我个人觉得写起来比较顺手,可是速度就没预期快了。 My environment: [email protected] 16G ram ※ 引述《kenshin528 (成立奥凶帝国!!)》之铭言: : 测试结果: : 当rows = 10,000时 : user system elapsed : SQLDF 0.05 0.00 0.94 : TAPPLY 0.00 0.00 0.34 : -------------------------------- : rows = 1,000,000: : user system elapsed : SQLDF 2.30 0.03 4.34 : TAPPLY 0.32 0.00 0.40 : -------------------------------- : row = 100,000,000: : user system elapsed : SQLDF 288.77 31.00 505.11 : TAPPLY 31.65 1.84 39.66 : 实验环境: : CPU intel i5 4200 : RAM 8G --



※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 218.164.177.30
※ 文章网址: http://webptt.com/cn.aspx?n=bbs/R_Language/M.1406220987.A.534.html
1F:推 Wush978:比起data.table, 我觉得dplyr更泛用 07/25 02:56
昨天没空去用dplyr XD,我今天再补上summarise的使用
2F:推 kenshin528:!! datatable果然是王道! 07/25 22:46
※ 编辑: celestialgod (218.164.185.109), 07/26/2014 02:10:56
3F:推 kenshin528:推推 又学到一招! 07/26 11:51







like.gif 您可能会有兴趣的文章
icon.png[问题/行为] 猫晚上进房间会不会有憋尿问题
icon.pngRe: [闲聊] 选了错误的女孩成为魔法少女 XDDDDDDDDDD
icon.png[正妹] 瑞典 一张
icon.png[心得] EMS高领长版毛衣.墨小楼MC1002
icon.png[分享] 丹龙隔热纸GE55+33+22
icon.png[问题] 清洗洗衣机
icon.png[寻物] 窗台下的空间
icon.png[闲聊] 双极の女神1 木魔爵
icon.png[售车] 新竹 1997 march 1297cc 白色 四门
icon.png[讨论] 能从照片感受到摄影者心情吗
icon.png[狂贺] 贺贺贺贺 贺!岛村卯月!总选举NO.1
icon.png[难过] 羡慕白皮肤的女生
icon.png阅读文章
icon.png[黑特]
icon.png[问题] SBK S1安装於安全帽位置
icon.png[分享] 旧woo100绝版开箱!!
icon.pngRe: [无言] 关於小包卫生纸
icon.png[开箱] E5-2683V3 RX480Strix 快睿C1 简单测试
icon.png[心得] 苍の海贼龙 地狱 执行者16PT
icon.png[售车] 1999年Virage iO 1.8EXi
icon.png[心得] 挑战33 LV10 狮子座pt solo
icon.png[闲聊] 手把手教你不被桶之新手主购教学
icon.png[分享] Civic Type R 量产版官方照无预警流出
icon.png[售车] Golf 4 2.0 银色 自排
icon.png[出售] Graco提篮汽座(有底座)2000元诚可议
icon.png[问题] 请问补牙材质掉了还能再补吗?(台中半年内
icon.png[问题] 44th 单曲 生写竟然都给重复的啊啊!
icon.png[心得] 华南红卡/icash 核卡
icon.png[问题] 拔牙矫正这样正常吗
icon.png[赠送] 老莫高业 初业 102年版
icon.png[情报] 三大行动支付 本季掀战火
icon.png[宝宝] 博客来Amos水蜡笔5/1特价五折
icon.pngRe: [心得] 新鲜人一些面试分享
icon.png[心得] 苍の海贼龙 地狱 麒麟25PT
icon.pngRe: [闲聊] (君の名は。雷慎入) 君名二创漫画翻译
icon.pngRe: [闲聊] OGN中场影片:失踪人口局 (英文字幕)
icon.png[问题] 台湾大哥大4G讯号差
icon.png[出售] [全国]全新千寻侘草LED灯, 水草

请输入看板名称,例如:e-shopping站内搜寻

TOP