加速此循环以使用 data.table 创建虚拟列并在 R 中设置

Question

我有一个数据 table，我想为每个唯一的日期创建一个新列，然后在日期与列名称匹配的每一行中分配一个 1

我已经使用 for 循环完成了此操作，但我想知道是否有任何方法可以使用 data.table 和设置对其进行优化？

这是一个例子

dt <- data.table(Week_Day = c("Monday", "Tuesday", "Wednesday",
                          "Thursday", "Friday", "Saturday", "Sunday"))

Day <- unique(dt$Week_Day)
for (i in 1:length(Day)) {
    if (Day[i] != "Sunday") {
        dt[, Day[i] := ifelse(Week_Day == Day[i], 1, 0)]
    }
}

我的 table 是 298k 行，虽然执行时间不长（下图），但它是一个长脚本的一部分，而且我有很多低效的循环，所以我试图获得整体运行时间下来了。

到运行的时间：

user  system elapsed
0.99    0.06    1.05

提前致谢。

Answer 1

这是一种加速尝试：

Day <- unique(dt$Week_Day)
setkey(dt, Week_Day)

# create columns of 0s
dt[, (Day) := 0L]

for (i in seq_along(head(Day, -1))) {
     dt[Day[i], Day[i] := 1L]
}

这实现了一些 data.table 加速，包括第二个链中的二进制搜索和通过引用替换消除 ifelse。

Answer 2

这是一种不同的方法，在我的机器上比问题中的原始方法表现更好

1) 获取除星期日以外的唯一日期

Day <- setdiff(dt$Week_Day, "Sunday")

2) 用 0 初始化新列:

dt[, (Day) := 0L]

3) 循环引用1s更新：

for(x in Day) {
  set(dt, i = which(dt[["Week_Day"]] == x), j = x, value = 1L)
}

简单的性能比较：

dt1 <- data.table(Week_Day = sample(c("Monday", "Tuesday", "Wednesday",
                              "Thursday", "Friday", "Saturday", "Sunday"), 3e5, TRUE))

dt2 <- copy(dt1)


system.time({
  Day <- setdiff(unique(dt$Week_Day), "Sunday")
  dt1[, (Day) := 0L]
  for(x in Day) {
    set(dt1, i = which(dt1[["Week_Day"]] == x), j = x, value = 1L)
  }
})
#       User      System verstrichen 
#      0.029       0.003       0.032 

system.time({
  Day <- unique(dt$Week_Day)
  for (i in 1:length(Day)) {
    if (Day[i] != "Sunday") {
      dt2[, Day[i] := ifelse(Week_Day == Day[i], 1L, 0L)]
    }
  }
})

#       User      System verstrichen 
#      0.138       0.070       0.210 


all.equal(dt1, dt2)
#[1] TRUE

加速此循环以使用 data.table 创建虚拟列并在 R 中设置

Speed up this loop to create dummy columns with data.table and set in R

performance

r

model.matrix

data.table

dummy-variable