作者celestialgod (天)
看板R_Language
標題Re: [問題] Magrittr 小問題
時間Tue Jun 28 16:28:32 2016
※ 引述《swedrf0112 (M)》之銘言：
: [問題類型]:程式諮詢
: [軟體熟悉度]: 入門
: [問題敘述]: magrittr 的 pipe 可以抓到最一開始的物件嗎?
: [程式範例]:
: 其實原本的問題是，在問題中的 x ，有些時候是一些經過處理的物件，
: 給我現在遇到的例子 :
: # > head(season,20)
: # [1] "2000-01" "2001-02" "2002-03" "2003-04" "2004-05" "2005-06" "2006-07"
: "2007-08" "2008-09" "2009-10"
: # [11] "2010-11" "2011-12" "2012-13" "2013-14" "2014-15" "2015-16" "1996-97"
: "1997-98" "1998-99" "1999-00"
: 我想要針對 season 向量的 unique 進行排序，以一般的寫法，我寫成 :
: # > unique(season)
: # [1] "2000-01" "2001-02" "2002-03" "2003-04" "2004-05" "2005-06"
: # [7] "2006-07" "2007-08" "2008-09" "2009-10" "2010-11" "2011-12"
: # [13] "2012-13" "2013-14" "2014-15" "2015-16" "1996-97" "1997-98"
: # [19] "1998-99" "1999-00"
: unique(season)[order(as.numeric(substr(unique(season),1,4)))]
: 但是因為我覺得在裡面 season 必須被 unique 兩次，很浪費計算資源，
: 也可以先令一個 y=unique(season)，把原本的式子 unique(season) 改成 y ， 但這樣
: 會浪費記憶體記這一個暫時的向量
: 所以我想用 magrittr 寫，所以我才以剛剛這個簡單的例子，想問是否可以呼叫 pipe 最
: 一開始的物件，因為我在 magrittr 的 help 裡沒找到這件事XD
: season %>% unique %>% substr(.,1,4) %>% as.numeric %>% order %>% "這邊應該要呼
: 叫最一開始的 season"
: 針對一開始沒把問題說清楚，跟 C 大與各位致歉，謝謝!
: 也請各位指正裡面的想法是否有錯誤，或許根本就不會發生我想的事XDD
: [環境敘述]:
: [關鍵字]: Magrittr
測試一下存暫存變數的差異有多大
順便看不同pipe的速度差異有多少
測試程式：
library(magrittr)
library(pipeR)
# data generation
# 生成一千萬筆資料
dat <- seq.Date(as.Date("1990-01-01"),
as.Date("2015-10-01"), by = "quarter") %>>%
sample(1e7, TRUE) %>>% format("%Y-%m")
# 第一個方法，直接算，不用暫存變數
st <- proc.time()
res1 <- unique(dat)[order(as.numeric(substr(unique(dat),1,4)))]
proc.time() - st
# user system elapsed
# 0.20 0.05 0.25
# 第二個方法，用pipe跟block，暫存變數只會在block裡面存活
st <- proc.time()
res2 <- dat %>% {
tmp1 <- unique(.)
tmp1 %>% substr(1,4) %>% as.numeric %>% order %>% {tmp1[.]}
}
proc.time() - st
# user system elapsed
# 0.12 0.07 0.19
print(length(ls(pattern = "tmp1")) > 0) # FALSE
# 同第二個，pipe改成%>>%
st <- proc.time()
res3 <- dat %>>% {
tmp2 <- unique(.)
tmp2 %>>% substr(1,4) %>>% as.numeric %>>% order %>>% (tmp2[.])
}
proc.time() - st
# user system elapsed
# 0.10 0.03 0.12
print(length(ls(pattern = "tmp")) > 0) # FALSE
# 用pipeR的assignment，把暫存變數存在外面
st <- proc.time()
res4 <- dat %>>% unique %>>% (~ tmp3 <- .) %>>% substr(1, 4) %>>%
as.numeric %>>% order %>>% (tmp3[.])
proc.time() - st
# user system elapsed
# 0.08 0.04 0.13
print(length(ls(pattern = "tmp3")) > 0) # TRUE
這樣測一次好像pipeR + block表現最好，但是沒有重複
接下來用加上重複在試一次：
library(microbenchmark)
microbenchmark(
res1 = unique(dat)[order(as.numeric(substr(unique(dat),1,4)))],
res2 = dat %>% {
tmp1 <- unique(.)
tmp1 %>% substr(1,4) %>% as.numeric %>% order %>% {tmp1[.]}
},
res3 = dat %>>% {
tmp2 <- unique(.)
tmp2 %>>% substr(1,4) %>>% as.numeric %>>% order %>>% (tmp2[.])
},
res4 = dat %>>% unique %>>% (~ tmp3 <- .) %>>% substr(1, 4) %>>%
as.numeric %>>% order %>>% (tmp3[.])
)
# Unit: milliseconds
# expr min lq mean median uq max neval
# res1 247.9882 289.0776 284.7083 291.4474 293.3180 429.9460 100
# res2 123.6998 124.9163 138.5741 126.2327 165.8535 170.4374 100
# res3 123.3566 124.9036 137.5461 125.9739 165.4394 171.2854 100
# res4 123.6355 124.9607 137.1532 125.9386 165.5996 170.9329 100
可以看出有暫存變數的表現都差不多
如果不想要存一個暫存變數在外面，就用block + pipe的方式吧
而且不同pipe在這裡沒什麼差異
--
R資料整理套件系列文：
magrittr #1LhSWhpH (R_Language) http://tinyurl.com/j3ql84c
data.table #1LhW7Tvj (R_Language) http://tinyurl.com/hr77hrn
dplyr(上) #1LhpJCfB (R_Language) http://tinyurl.com/jtg4hau
dplyr(下) #1Lhw8b-s (R_Language)
tidyr #1Liqls1R (R_Language) http://tinyurl.com/jq3o2g3
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.109.74.87
※ 文章網址: https://webptt.com/m.aspx?n=bbs/R_Language/M.1467102515.A.CEB.html
※ 編輯: celestialgod (140.109.74.87), 06/28/2016 16:32:43
1F：推 swedrf0112: 感謝 C大!! 06/28 16:46
2F：推 MADNUG: 推！ 06/30 22:25