r - 负整数与正整数索引的时间效率

Question

@Moody_Mudskipper 和我正在讨论负整数索引和正整数索引的相对优点。考虑一个只有 1 行的大矩阵:

m <- matrix(integer(2^20), 1)

负索引向量还是正索引向量是一种更(时间)有效的方法来获取除最后一列以外的所有列？

到目前为止我们的候选人是

neg <- function(m) m[,-ncol(m)]
pos <- function(m) m[,seq_len(ncol(m) - 1)]

向量如何:v <- integer(2^28)

neg_v <- function(v) v[-length(v)]
pos_v <- function(v) v[seq_len(length(v) - 1)]

如果一种方法有好处，它是否会延续到更一般的情况，在这种情况下，除了一些任意索引，你什么都想要，i ？

我们的部分灵感来自关于获取最后一个元素 here 的最有效方法的讨论。

Answer 1

[ 用途广泛。您为此付出了很小的性能成本。我仍然鼓励您将它用于此任务。如果算法中此步骤的性能对您至关重要，则说明您使用了错误的语言。

矢量的替代方案:

len_v <- function(v) `length<-`(v, length(v) - 1)

对于矩阵(注意这不会降低维度):

dim_m <- function(m) matrix(`length<-`(m, length(m) - nrow(m)), nrow = nrow(m))

基准:

[1] 10
Unit: nanoseconds
     expr  min   lq     mean median   uq     max neval cld
 neg_v(v) 3841 4098  4747.78   4353 4609   36363   100   a
 pos_v(v) 4866 5378  5572.30   5633 5634    7426   100   a
   neg(m) 4353 4866  5165.02   5122 5378    6914   100   a
   pos(m) 5121 5378  5792.41   5634 5890   15364   100   a
 len_v(v)  768 1024  1065.31   1024 1280    2049   100   a
 dim_m(m) 2817 3329 24219.64   3585 3841 2063960   100   a

<snip>

[1] 20
Unit: microseconds
     expr      min       lq      mean    median       uq        max neval cld
 neg_v(v) 3125.901 3210.406 5997.0644 4080.9305 4726.878 102998.274   100   b
 pos_v(v) 4510.752 4572.721 6308.3921 5097.8025 5980.619 104768.516   100   b
   neg(m) 3369.172 3438.952 6286.7153 4657.4825 4976.423 102606.735   100   b
   pos(m) 4499.996 4518.306 4895.5423 4534.5670 5059.904   6577.785   100  ab
 len_v(v)  562.852  591.020  859.3246  630.3275  680.006   2381.493   100  a 
 dim_m(m) 1072.184 1120.070 3528.7498 1167.1880 2377.523  99962.255   100  ab