Andrie:=
とRamnathの答えに基づいて構築されたdata.tableの演算子を使用したソリューションを次に示します。
require(data.table) # v1.6.6
require(gdata) # v2.8.2
set.seed(1)
dt1 = create_dt(2e5, 200, 0.1)
dim(dt1)
[1] 200000 200 # more columns than Ramnath's answer which had 5 not 200
f_andrie = function(dt) remove_na(dt)
f_gdata = function(dt, un = 0) gdata::NAToUnknown(dt, un)
f_dowle = function(dt) { # see EDIT later for more elegant solution
na.replace = function(v,value=0) { v[is.na(v)] = value; v }
for (i in names(dt))
eval(parse(text=paste("dt[,",i,":=na.replace(",i,")]")))
}
system.time(a_gdata = f_gdata(dt1))
user system elapsed
18.805 12.301 134.985
system.time(a_andrie = f_andrie(dt1))
Error: cannot allocate vector of size 305.2 Mb
Timing stopped at: 14.541 7.764 68.285
system.time(f_dowle(dt1))
user system elapsed
7.452 4.144 19.590 # EDIT has faster than this
identical(a_gdata, dt1)
[1] TRUE
f_dowleがdt1を参照によって更新したことに注意してください。ローカルコピーが必要な場合、copy
データセット全体のローカルコピーを作成するには、関数を明示的に呼び出す必要があります。data.table's setkey
、key<-
および:=
コピーオンライトしないください。
次に、f_dowleが時間を費やしている場所を見てみましょう。
Rprof()
f_dowle(dt1)
Rprof(NULL)
summaryRprof()
$by.self
self.time self.pct total.time total.pct
"na.replace" 5.10 49.71 6.62 64.52
"[.data.table" 2.48 24.17 9.86 96.10
"is.na" 1.52 14.81 1.52 14.81
"gc" 0.22 2.14 0.22 2.14
"unique" 0.14 1.36 0.16 1.56
... snip ...
そこでは、いくつかのベクターコピーとベクタースキャンがあるna.replace
とis.na
に焦点を当てます。これらはNA
、ベクター内で参照によって更新される小さなna.replace C関数を作成することで、かなり簡単に削除できます。それは私が思う20秒を少なくとも半分にするでしょう。そのような関数はRパッケージに存在しますか?
f_andrie
失敗する理由は、全体をコピーするdt1
か、全体と同じ大きさの論理行列をdt1
数回作成するためです。他の2つの方法は、一度に1つの列に対して機能します(ただし、NAToUnknown
)。
編集(コメントでRamnathによって要求されたよりエレガントなソリューション):
f_dowle2 = function(DT) {
for (i in names(DT))
DT[is.na(get(i)), (i):=0]
}
system.time(f_dowle2(dt1))
user system elapsed
6.468 0.760 7.250 # faster, too
identical(a_gdata, dt1)
[1] TRUE
そもそもそうやってやればいいのに!
EDIT2(1年以上後、現在)
もありset()
ます。ループで呼び出さ[,:=,]
れる(小さな)オーバーヘッドを回避できるため、ループされる列が多い場合、これはより高速になります。set
ループ可能:=
です。を参照してください?set
。
f_dowle3 = function(DT) {
# either of the following for loops
# by name :
for (j in names(DT))
set(DT,which(is.na(DT[[j]])),j,0)
# or by number (slightly faster than by name) :
for (j in seq_len(ncol(DT)))
set(DT,which(is.na(DT[[j]])),j,0)
}
data.table
にdata.frame
?Aがdata.table
ありますdata.frame
。data.frame操作はすべて機能します。