r - 如果我添加和减去另一个变量，data.table 中的神秘 : Why does the as. character() 函数会运行得更快吗？

Question

在将日期转换为大型数据集的字符类时，我注意到一些非常奇怪的事情。例如，我创建了一个模拟数据集，如下所示:

DT = data.table(x=rep("2007-1-1", 1e9), y = rep(1,1e9))
DT[,x] <- as.Date(DT[,x])

现在，我想将日期的 x 列从日期格式转换为字符。

DT[,x.character:= as.character(x)] 

对于大型数据集，这需要一些时间，我注意到如果我们执行以下操作，转换所需的时间会显着减少:

DT[,x.character:= as.character(x+y-y)]

我在这里所做的只是加 y 和减 y，所以我真的得到了相同的结果。从逻辑的角度来看，我似乎让计算机做更多的工作。但是，有没有理由为什么这种方法会导致比直接转换方式更快的运行？

出于说明目的，我使用 system.time() 以 10000 行运行了这些进程两次并得到以下结果:

DT = data.table(x=rep(as.Date("2007-1-1"), 1e5), y = rep(1,1e5))

system.time(DT[,x.character:= as.character(x)]) 
> user  system elapsed 
1.89    0.12    2.03 

system.time(DT[,x.character:= as.character(x+y-y)]) 
> user  system elapsed 
0.635   0.008   0.643 

system.time(DT[,x.character.sub:= as.character(x+y-y+y-y)]) 
> user  system elapsed 
0.347   0.004   0.351 

正如我们所看到的，第二种方法所需的时间更少，更有趣的是，第三种方法使用更多的 y-y 方法，所需要的时间更少。有什么原因吗？

谢谢!

Answer 1

在 R session 期间第二次调用 as.character 会更快，因为所有字符都已添加到全局缓存中。添加和减去另一个变量是不相关的。

> library(data.table)
data.table 1.9.3  For help type: help("data.table")
> DT = data.table(x=rep(as.Date("2007-1-1"), 1e5), y = rep(1,1e5))
> system.time(DT[,x.character := as.character(x)]) 
   user  system elapsed 
  0.572   0.012   0.584 
> system.time(DT[,x.character := as.character(x)]) 
   user  system elapsed 
  0.389   0.008   0.397 
> system.time(DT[,x.character := as.character(x)]) 
   user  system elapsed 
  0.332   0.004   0.337 

更重要的是，这甚至与 data.table 没有任何关系。从另一个新 session :

> x <- rep(as.Date("2007-1-1"), 1e5)
> system.time(as.character(x)) 
   user  system elapsed 
  0.529   0.008   0.537 
> system.time(as.character(x)) 
   user  system elapsed 
  0.312   0.012   0.324 
> system.time(as.character(x)) 
   user  system elapsed 
  0.327   0.008   0.335