- 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?
我正在尝试减少我的某些数据集的内存占用,其中每列都有一小组因子(重复了很多次)。有没有更好的方法来减少它?为了进行比较,这就是我从仅使用因素中得到的结果:
library(pryr)
N <- 10 * 8
M <- 10
test <- data.frame(A = c(rep(strrep("A", M), N), rep(strrep("B", N), N)))
object_size(test)
# 1.95 kB
test2 <- as.factor(test$A)
object_size(test2)
# 1.33 kB
test2
小于
test3
.谁能指点我一些关于如何优化因子表示的 Material ?
test3 <- data.frame(A = c(rep("1", N), rep("2", N)))
object_size(test3)
# 1.82 kB
最佳答案
恐怕差别很小。
原理很简单:而不是(在您的示例中)160 个字符串,您只需存储 2 个,以及 160 个整数(只有 4 个字节)。
除了 R 类以相同的方式在内部存储字符。
每种现代语言都支持(几乎)无限长度的字符串。这会导致您无法将字符串向量(或数组)存储为一个连续块的问题,因为任何元素都可以重置为任意长度。因此,如果将另一个值分配给一个元素,而该值恰好稍长一些,则意味着数组的其余部分将不得不移动。或者操作系统/语言应该为每个字符串保留大量空间。
因此,字符串存储在内存中任何方便的位置,数组(或 R 中的向量)存储为指向值实际所在位置的指针块。
在 R 的早期,每个指针都指向内存中的另一个位置,即使实际值相同。所以在你的例子中,160 个指针指向 160 个内存位置。但这已经改变了,现在它被实现为 160 个指向 2 个内存位置的指针。
可能会有一些细微的差异,主要是因为一个因子通常只能支持 2^31-1 个级别,这意味着 32 位整数足以存储它,而一个字符主要使用 64 位指针。再说一次,因子的开销更大。
通常,如果您确实有很大比例的重复项,则使用因子可能会有一些优势,但如果不是这种情况,它甚至可能会损害您的内存使用。
您提供的示例不起作用,因为您将 data.frame 与因子进行比较,而不是将裸字符进行比较。
更强大的是:当我重现你的例子时,如果我设置 stringsAsFactors
,我只会得到你的结果至 FALSE
,因此您将一个因子与 data.frame 中的一个因子进行比较。
比较结果,否则会给出更小的差异:字符为 1568,因子为 1328。
只有当你有很多相同的值时才有效,如果你看看这个,你会发现因子可以更大:
> object.size(factor(sample(letters)))
2224 bytes
> object.size(sample(letters))
1712 bytes
关于r - 是否可以使用比使用因子时更小的数据集?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53675294/
我有一个功能是转换 ADO Recordset 进入html: class function RecordsetToHtml(const rs: _Recordset): WideString; 该函
经过几天的研究和讨论,我想出了这种方法来收集访客的熵(你可以看到我的研究历史here) 当用户访问时,我运行此代码: $entropy=sha1(microtime().$pepper.$_SERVE
给定一个无序列表 List ,我需要查找是否存在 String与提供的字符串匹配。 所以,我循环 for (String k : keys) { if (Utils.keysM
我已经搜索过这个问题,但没有找到我正在寻找的答案。 基本上,我想将类构造函数包装在 try/except 子句中,以便它忽略构造函数内特定类型的错误(但无论如何都会记录并打印它们)。我发现做到这一点的
我有一组三个数字,我想将一组数字与另一组数字进行比较。即,第一组中的每个数字小于另一组中的至少一个数字。需要注意的是,第一组中的下一个数字必须小于第二组中的不同数字(即,{6,1,6} 对 {8,8,
关闭。这个问题是off-topic .它目前不接受答案。 想改进这个问题吗? Update the question所以它是on-topic用于堆栈溢出。 关闭 9 年前。 Improve this
首先介绍一下背景: 我正在开发一个带有 EJB 模块和应用程序客户端模块的企业应用程序 (ear)。我还使用 hibernate JPA 来实现持久性,并使用 swingx 来实现 GUI。这些是唯一
我正在尝试在我的上网本上运行 Eclipse 以便能够为 Android 进行开发。 您可能已经猜到了,Eclipse 非常慢,并且不容易有效地开发。 我正在使用 Linux Ubuntu 并且我还有
for row, instrument in enumerate(instruments): for col, value in enumerate(instrument):
return not a and not b ^ 我如何以更好的格式表达它 最佳答案 DeMorgan's Law , 也许? return not (a or b) 我认为在这一点上已经足够简单了
我正在尝试让 Font Awesome 图标看起来更 slim https://jsfiddle.net/cliffeee/7L6ehw9r/1/ . 我尝试使用“-webkit-text-strok
假设我有一个名为 vals 的数据框,如下所示: id…………日期…………min_date…… .........最大日期 1…………2016/01/01…………2017/01/01…………2018/
是否有更 Pythonic 的方式来做到这一点?: if self.name2info[name]['prereqs'] is None: se
我有一个函数可以将一些文本打印到它接收到的 ostream&。如果 ostream 以终端为目标,我想让它适应终端宽度,否则默认为某个值。 我现在做的是: 从 ostream 中获取一个 ofstre
这个问题在这里已经有了答案: Should a retrieval method return 'null' or throw an exception when it can't produce
我有这个 bc = 'off' if c.page == 'blog': bc = 'on' print(bc) 有没有更 Pythonic(和/或更短)的方式在 Python 中编写? 最佳
输入:一个包含 50,000 行的 CSV;每行包含 910 列值 0/1。 输出:运行我的 CNN 的数据框。 我编写了一个逐行读取 CSV 的代码。对于每一行,我将数据分成两部分,称为神经元(90
据我所知,with block 会在您退出 block 后自动调用 close(),并且它通常用于确保不会忘记关闭一个文件。 好像没有技术上的区别 with open(file, 'r+') as f
我有一个使用 Entity Framework V6.1.1 的 MVC 5 网站。 Entity Framework DbContext 类和模型最初都在网站项目中。这个项目有 3 个 DbCont
我是编程新手,在尝试通过将 tableView 和关联 View 的创建移动到单独的类并将委托(delegate)和数据源从 VC 移动到单独的类来精简我的 ViewController 时遇到了一些
我是一名优秀的程序员,十分优秀!