chức năng data.table cho mỗi hàng quá chậm

Question

Tôi cần tính toán các phương tiện có trọng số cho mỗi hàng (6M + hàng), nhưng phải mất rất nhiều thời gian. Cột có trọng số là trường ký tự, vì vậy không thể sử dụng trọng số.

nền dữ liệu:

library(data.table) 
library(stringr) 
values <- c(1,2,3,4) 
grp <- c("a", "a", "b", "b") 
weights <- c("{10,0,0,0}", "{0,10,0,0}", "{10,10,0,0}", "{0,0,10,0}") 
DF <- data.frame(cbind(grp, weights)) 
DT <- data.table(DF) 

string.weighted.mean <- function(weights.x) { 
    tmp.1 <- na.omit(as.numeric(unlist(str_split(string=weights.x, pattern="[^0-9]+")))) 
    tmp.2 <- weighted.mean(x=values, w=tmp.1) 
} 

Sau đây là cách nó có thể được thực hiện (quá chậm) với data.frames:

DF$wm <- mapply(string.weighted.mean, DF$weights) 

này không được công việc nhưng là cách quá chậm (giờ):

DT[, wm:=mapply(string.weighted.mean, weights)] 

Làm cách nào để dòng cuối cùng được sửa lại để tăng tốc?

Answer 1

DT[, rowid := 1:nrow(DT)] 
setkey(DT, rowid) 
DT[, wm :={ 
    weighted.mean(x=values, w=na.omit(as.numeric(unlist(str_split(string=weights, pattern="[^0-9]+")))))  
}, by=rowid] 

Answer 2

Vì dường như nhóm đó không liên quan gì đến việc tính toán giá trị trung bình, tôi đã cố gắng đơn giản hóa vấn đề một chút.

 values <- seq(4) 

# A function to compute a string of length 4 with random weights 0 or 10 
    tstwts <- function() 
    { 
     w <- sample(c(0, 10), 4, replace = TRUE) 
     paste0("{", paste(w, collapse = ","), "}") 
    } 

# Generate 100K strings and put them into a vector 
    u <- replicate(1e5, tstwts()) 
    head(u) # Check 
    table(u) 

# Function to compute a weighted mean from a string using values 
# as an assumed external numeric vector 'values' of the same length as 
# the weights 
    f <- function(x) 
     { 
      valstr <- gsub("[\\{\\}]", "", x) 
      wts <- as.numeric(unlist(strsplit(valstr, ","))) 
      sum(wts * values)/sum(wts) 
     } 

# Execute the function f recursively on the vector of weights u 
    v <- sapply(u, f) 

# Some checks: 
    head(v) 
    table(v) 

Trên hệ thống của tôi, cho 100K lặp đi lặp lại,

> system.time(sapply(u, f)) 
    user system elapsed 
    3.79 0.00 3.83 

Một phiên bản bảng dữ liệu này (nhóm sans) sẽ là

DT <- data.table(weights = u) 
DT[, wt.mean := lapply(weights, f)]) 
head(DT) 
dim(DT) 

Trên hệ thống của tôi, điều này có

system.time (DT [, wt.mean: = lapply (trọng số, f)]) hệ thống sử dụng trôi qua 3,62 0,03 3,69

vì vậy mong đợi khoảng 35-40 s per million quan sát trên một hệ thống tương đương với mỏ (Win7, 2.8GHz Chip lõi kép, 8GB RAM). YMMV.