- 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?
对于长度 > 1E8 的两个逻辑向量 x
和 y
,计算 2x2 交叉表的最快方法是什么?
我怀疑答案是用 C/C++ 编写它,但我想知道 R 中是否有一些东西已经很聪明地解决了这个问题,因为它并不少见。
示例代码,对于 300M 条目(如果 3E8 太大,请随意让 N = 1E8;我选择的总大小略低于 2.5GB(2.4GB)。我的目标是 0.02 的密度,只是为了让它更有趣(可以如果有帮助,请使用稀疏向量,但类型转换可能需要时间)。
set.seed(0)
N = 3E8
p = 0.02
x = sample(c(TRUE, FALSE), N, prob = c(p, 1-p), replace = TRUE)
y = sample(c(TRUE, FALSE), N, prob = c(p, 1-p), replace = TRUE)
table
bigtabulate
sum(x & y)
) data.table
parallel
来自 multicore
包(或新的 parallel
包) table
工作非常缓慢。
bigtabulate
对于一对逻辑向量来说似乎有点矫枉过正。最后,做普通的逻辑运算似乎很麻烦,它查看每个向量的次数太多(3X?7X?),更不用说它在处理过程中填充了大量额外的内存,这是一种大量的时间浪费。
N
和
p
,如果这将展示制表函数的任何有趣行为。 :)
table
很慢的基础。然而,要意识到的关键是“逻辑”方法效率极低。看看它在做什么:
sum
) table
的裤子。请注意,
bigtabulate
和额外的类型转换(
1 * cbind...
)仍然胜过
table
。
NA
,这将成为这些交叉表的系统中的 Spanner (在大多数情况下是正确的),我应该指出我的向量来自
is.na()
或
is.finite()
. :) 我一直在调试
NA
和其他非有限值 -
they've been a headache for me recently 。如果您不知道您的所有条目是否都是
NA
,您可以使用
any(is.na(yourVector))
进行测试 - 在您采用本问答中出现的一些想法之前,这样做是明智的。
TRUE
观测值非常罕见的情况。一个是数据异常的结果,另一个是由于代码中可能存在的错误(可能是错误,因为我们只看到计算结果 - 将变量
x
视为“垃圾输入”,将
y
视为“垃圾输出”。作为结果,问题是代码导致的输出问题是否仅仅是数据异常的情况,还是存在其他一些好的数据变坏的情况?(这就是为什么我问了一个关于
stopping when a NaN
, NA
, or Inf
is encountered 的问题。)
TRUE
值的概率很低;这些实际发生的概率远低于 0.1%。
TRUE
的位置)并计算集合交集。我避免了集合交集,因为我被 Matlab 烧了一段时间(是的,这是 R,但请耐心等待),它会在进行交集之前先对集合的元素进行排序。 (我依稀记得复杂度更令人尴尬:比如
O(n^2)
而不是
O(n log n)
。)
最佳答案
如果您正在对巨大的逻辑向量进行大量操作,请查看 bit包裹。它通过将 bool 值存储为真正的 1 位 bool 值来节省大量内存。
这对 table
没有帮助;它实际上使情况变得更糟,因为由于其构造方式,位向量中有更多的唯一值。但它确实有助于逻辑比较。
# N <- 3e7
require(bit)
xb <- as.bit(x)
yb <- as.bit(y)
benchmark(replications = 1, order = "elapsed",
bit = {res <- func_logical(xb,yb)},
logical = {res <- func_logical(x,y)}
)
# test replications elapsed relative user.self sys.self user.child sys.child
# 1 bit 1 0.129 1.00000 0.132 0.000 0 0
# 2 logical 1 3.677 28.50388 2.684 0.928 0 0
关于performance - 在 R 中交叉制表两个大量逻辑向量的最快方法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/9171036/
关闭。这个问题是opinion-based .它目前不接受答案。 想改善这个问题吗?更新问题,以便可以通过 editing this post 用事实和引文回答问题. 8年前关闭。 Improve t
暂时忘记能力的定义,只关注能力的“检查”(使用“授权!”),我看到 CanCan 添加了大约 400 毫秒,用于简单地检查用户是否具有特定的能力主题/模型。 这是预期的吗(我假设不是)?或者,有没有可
我正在阅读有关 Swift 的教程 ( http://www.raywenderlich.com/74438/swift-tutorial-a-quick-start ),它预定义为不显式设置类型,因
这主要是由于对 SQL 问题的回答。由于性能原因,有意省略了 UDF 和子查询。我没有包括可靠性并不是说它应该被视为理所当然,但代码必须工作。 性能永远是第一位的吗?提供了许多以性能为主要优先事项的答
我已经编写了一个简单的测试平台来测量三种阶乘实现的性能:基于循环的,非尾递归的和尾递归的。 Surprisingly to me the worst performant was the loop o
我已将 ui-performance 插件应用到我的应用程序中。不幸的是,在开发模式下运行应用程序时它似乎不起作用。例如,我的 javascript 导入是用“vnull”版本呈现的。 例如 不会
我有一个我操作的 F# 引用(我在各处添加对象池以回收经常创建和删除的短期对象)。我想运行结果报价;现在我使用了 F# PowerPack,它提供了将引用转换为表达式树和委托(delegate)的方法
我正在尝试在 Spark 服务器上运行 SparklyR 库中的机器学习算法。 1 个簇 8 核 24G内存 Ubuntu 16.04 星火2.2 独立配置 1名师傅/2名 worker 每个执行器的
我有一个数据库(准确地说是在 postgres 上运行),具有以下结构: user1 (schema) | - cars (table) - airplanes (table, again) .
我的应用程序在我的 iPad 上运行。但它的表现非常糟糕——我的速度低于 15fps。谁能帮我优化一下? 它基本上是一个轮子(派生自 UIView),包含 12 个按钮(派生自 UIControl)。
在完成“Scala 中的函数式编程原则”@coursera 类(class)第 3 周的作业时,我发现当我实现视频类(class)中所示的函数联合时: override def union(tha
我正在重构我的一个 Controller 以使其成为一项服务,我想知道不将整个服务容器注入(inject)我的 Controller 是否会对性能产生影响。 这样效率更高吗: innova.path.
我有一个要显示的内容很大的文件。例如在显示用户配置文件时, 中的每个 EL 表达式需要一个 userId 作为 bean 的参数,该参数取自 session 上下文。我在 xhtml 文件中将这个 u
我非常了解 mipmapping。我不明白(在硬件/驱动程序级别)是 mipmapping 如何提高应用程序的性能(至少这是经常声称的)。在执行片段着色器之前,驱动程序不知道要访问哪个 mipmap
这个问题在这里已经有了答案: 10年前关闭。 Possible Duplicate: What's the (hidden) cost of lazy val? (Scala) Scala 允许定义惰
一些文章建议现在 build() 包含在 perform() 本身中,而其他人则建议当要链接多个操作时使用 build().perform()一起。 最佳答案 build() 包含在 perform(
Postgres docs说 For best optimization results, you should label your functions with the strictest vol
阅读Zero-cost abstractions看着 Introduction to rust: a low-level language with high-level abstractions我尝
我想在 MQ 服务器上部署 SSL,但我想知道我当前的 CPU 容量是否支持 SSL。 (我没有预算增加 CPU 内核和 MQ PVU 的数量) 我的规范: Windows 2003 服务器 SP2,
因此,我在 Chrome 开发者工具 的性能 选项卡内的时间 部分成功地监控了我的 React Native 应用程序的性能。 突然在应用程序的特定重新加载时,Timings 标签丢失。 我已尝试重置
我是一名优秀的程序员,十分优秀!