- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有一个大约有 300 万行和 40 列的 data.table。我想按组内的降序对该表进行排序,如以下 sql 模拟代码:
sort by ascending Year, ascending MemberID, descending Month
data.table 中是否有等效的方法来执行此操作?到目前为止,我必须将其分为两个步骤:
setkey(X, Year, MemberID)
这非常快,只需要几秒钟。
X <- X[,.SD[order(-Month)],by=list(Year, MemberID)]
此步骤需要更长的时间(5 分钟)。
更新:有人评论要做X <- X[sort(Year, MemberID, -Month)]
后来删除了。这种方法似乎要快得多:
user system elapsed
5.560 11.242 66.236
我的方法:setkey() 然后 order(-Month)
user system elapsed
816.144 9.648 848.798
我现在的问题是:如果我想在排序后按年、成员(member)ID和月进行汇总(年、成员(member)ID、月),data.table是否能识别排序顺序?
更新 2:回应 Matthew Dowle:
在 setkey 包含年份、成员(member) ID 和月份之后,我每个组仍然有多个记录。我想对每个组进行总结。我的意思是:如果我使用 X[order(Year, MemberID, Month)],求和是否利用 data.table 的二进制搜索功能:
monthly.X <- X[, lapply(.SD[], sum), by = list(Year, MemberID, Month)]
更新 3:Matthew D 提出了几种方法。第一种方法的运行时间比 order() 方法更快:
user system elapsed
7.910 7.750 53.916
Matthew:令我惊讶的是转换月份的符号花费了大部分时间。没有它,setkey 的速度会非常快。
最佳答案
当前开发版本的data.table v1.9.3实现了两个新函数,即:setorder
和setorderv
,它们完全可以满足您的需求。这些函数通过引用对 data.table
进行重新排序,并且可以选择在每列上按升序或降序进行排序。查看 ?setorder
了解更多信息。
此外,DT[order(.)]
默认情况下也经过优化,可以使用 data.table
的内部快速顺序来代替base:::order
。与 setorder
不同,这将创建数据的完整副本,因此内存效率较低,但仍比使用基本顺序进行操作要快几个数量级。
下面是使用 setorder
(data.table 的内部快速顺序)和 base:::order
的速度差异的说明:
require(data.table) ## 1.9.3
set.seed(1L)
DT <- data.table(Year = sample(1950:2000, 3e6, TRUE),
memberID = sample(paste0("V", 1:1e4), 3e6, TRUE),
month = sample(12, 3e6, TRUE))
## using base:::order
system.time(ans1 <- DT[base:::order(Year, memberID, -month)])
# user system elapsed
# 76.909 0.262 81.266
## optimised to use data.table's fast order
system.time(ans2 <- DT[order(Year, memberID, -month)])
# user system elapsed
# 0.985 0.030 1.027
## reorders by reference
system.time(setorder(DT, Year, memberID, -month))
# user system elapsed
# 0.585 0.013 0.600
## or alternatively
## setorderv(DT, c("Year", "memberID", "month"), c(1,1,-1))
## are they equal?
identical(ans2, DT) # [1] TRUE
identical(ans1, ans2) # [1] TRUE
根据此数据,基准测试表明 data.table 的 order 比 base:::order
大约快 79 倍,并且 setorder
为 <比此处的 base:::order
快约 135 倍。
data.table
始终以 C 语言环境进行排序/排序。如果您需要在其他语言环境中订购,那么您才需要使用 DT[base:::order(.)]
。
所有这些新的优化和功能共同构成了FR #2405 。 bit64::integer64 support also has been added .
<小时/>NOTE: Please refer to the history/revisions for earlier answer and updates.
关于r - 按升序/降序快速对 data.table 进行排序,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/13685295/
我是一名优秀的程序员,十分优秀!