R_Language 板


LINE

我最愛比速度了XDDD 新增dplyr跟plyr的比較 我來提供一個更快的,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 # 這裡我多做幾次 tapply跟data.table其實有上有下,不分軒輊 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 資料不算太大時,data.table跟tapply算快,但是資料變大之後 dplyr跟data.table就差不多快。 接著測試如果有兩個group的話 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 結果同一個類別的情況。 最後,測試結果得知data.table真的很快!!!! 而且dplyr也很快,還可以直接搭配data.frame,我覺得算是更方便 至於plyr的ddply,我個人覺得寫起來比較順手,可是速度就沒預期快了。 My environment: [email protected] 16G ram ※ 引述《kenshin528 (成立奧凶帝國!!)》之銘言: : 測試結果: : 當rows = 10,000時 : 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 : 實驗環境: : CPU intel i5 4200 : RAM 8G --



※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 218.164.177.30
※ 文章網址: http://webptt.com/m.aspx?n=bbs/R_Language/M.1406220987.A.534.html
1F:推 Wush978:比起data.table, 我覺得dplyr更泛用 07/25 02:56
昨天沒空去用dplyr XD,我今天再補上summarise的使用
2F:推 kenshin528:!! datatable果然是王道! 07/25 22:46
※ 編輯: celestialgod (218.164.185.109), 07/26/2014 02:10:56
3F:推 kenshin528:推推 又學到一招! 07/26 11:51







like.gif 您可能會有興趣的文章
icon.png[問題/行為] 貓晚上進房間會不會有憋尿問題
icon.pngRe: [閒聊] 選了錯誤的女孩成為魔法少女 XDDDDDDDDDD
icon.png[正妹] 瑞典 一張
icon.png[心得] EMS高領長版毛衣.墨小樓MC1002
icon.png[分享] 丹龍隔熱紙GE55+33+22
icon.png[問題] 清洗洗衣機
icon.png[尋物] 窗台下的空間
icon.png[閒聊] 双極の女神1 木魔爵
icon.png[售車] 新竹 1997 march 1297cc 白色 四門
icon.png[討論] 能從照片感受到攝影者心情嗎
icon.png[狂賀] 賀賀賀賀 賀!島村卯月!總選舉NO.1
icon.png[難過] 羨慕白皮膚的女生
icon.png閱讀文章
icon.png[黑特]
icon.png[問題] SBK S1安裝於安全帽位置
icon.png[分享] 舊woo100絕版開箱!!
icon.pngRe: [無言] 關於小包衛生紙
icon.png[開箱] E5-2683V3 RX480Strix 快睿C1 簡單測試
icon.png[心得] 蒼の海賊龍 地獄 執行者16PT
icon.png[售車] 1999年Virage iO 1.8EXi
icon.png[心得] 挑戰33 LV10 獅子座pt solo
icon.png[閒聊] 手把手教你不被桶之新手主購教學
icon.png[分享] Civic Type R 量產版官方照無預警流出
icon.png[售車] Golf 4 2.0 銀色 自排
icon.png[出售] Graco提籃汽座(有底座)2000元誠可議
icon.png[問題] 請問補牙材質掉了還能再補嗎?(台中半年內
icon.png[問題] 44th 單曲 生寫竟然都給重複的啊啊!
icon.png[心得] 華南紅卡/icash 核卡
icon.png[問題] 拔牙矯正這樣正常嗎
icon.png[贈送] 老莫高業 初業 102年版
icon.png[情報] 三大行動支付 本季掀戰火
icon.png[寶寶] 博客來Amos水蠟筆5/1特價五折
icon.pngRe: [心得] 新鮮人一些面試分享
icon.png[心得] 蒼の海賊龍 地獄 麒麟25PT
icon.pngRe: [閒聊] (君の名は。雷慎入) 君名二創漫畫翻譯
icon.pngRe: [閒聊] OGN中場影片:失蹤人口局 (英文字幕)
icon.png[問題] 台灣大哥大4G訊號差
icon.png[出售] [全國]全新千尋侘草LED燈, 水草

請輸入看板名稱,例如:WOW站內搜尋

TOP