r - 如何在 R 中加速 `expand.grid()`？

Question

我正在尝试加快创建包含两个向量之间所有可能组合的表格。当我们使用 expand.grid() 时，我们可以从 base R 获得这个功能。但是，我想知道我们是否可以使用 {collapse} 包中的工具更快地完成相同的结果。

关于这个主题有一个 StackOverflow 线程 here .但是，即使我们采用最快的解决方案，但在以下情况下它还是最慢的。尽管 tidyr::expand_grid() 比基础 R 更快，我仍然希望利用 collapse 包我们可以获得更快的处理时间。

#library(collapse)
#library(tidyr)
library(babynames)

year  <- collapse::funique(babynames$year, sort = TRUE)
names <- collapse::funique(babynames$name)

expand.grid.jc <- function(seq1,seq2) { ## from https://stackoverflow.com/a/10407457/6105259
  as.data.frame(cbind(Var1 = rep.int(seq1, length(seq2)), 
                      Var2 = rep.int(seq2, rep.int(length(seq1),length(seq2)))))
}

my_benchmarking <- 
  bench::mark(base = expand.grid(year, names),
              jc = expand.grid.jc(year, names),
              tidyr = tidyr::expand_grid(year, names), check = FALSE, iterations = 10)
#> Warning: Some expressions had a GC in every iteration; so filtering is disabled.

my_benchmarking
#> # A tibble: 3 x 6
#>   expression      min   median `itr/sec` mem_alloc `gc/sec`
#>   <bch:expr> <bch:tm> <bch:tm>     <dbl> <bch:byt>    <dbl>
#> 1 base        965.3ms    1.06s    0.938      701MB    2.35 
#> 2 jc            13.1s   13.39s    0.0747     820MB    0.120
#> 3 tidyr       541.2ms 656.71ms    1.55       316MB    1.24

^{由 reprex package 创建于 2021-08-22 (v2.0.0)}

很高兴了解是否可以更快地计算此任务。

Answer 1

你可以试试data.table::CJ函数。

bench::mark(base = expand.grid(year, names),
            jc = expand.grid.jc(year, names),
            tidyr1 = tidyr::expand_grid(year, names), 
            tidyr2 = tidyr::crossing(year, names), 
            dt = data.table::CJ(year, names),
            check = FALSE, iterations = 10)

#  expression      min   median `itr/sec` mem_alloc `gc/sec` n_itr  n_gc total_time result memory  time   gc   
#  <bch:expr> <bch:tm> <bch:tm>     <dbl> <bch:byt>    <dbl> <int> <dbl>   <bch:tm> <list> <list>  <list> <lis>
#1 base       635.48ms 715.02ms     1.25      699MB    2.00     10    16      8.02s <NULL> <Rprof… <benc… <tib…
#2 jc            5.66s    5.76s     0.172     820MB    0.275    10    16     58.13s <NULL> <Rprof… <benc… <tib…
#3 tidyr1     195.03ms 268.97ms     4.01      308MB    2.00     10     5       2.5s <NULL> <Rprof… <benc… <tib…
#4 tidyr2     590.91ms 748.35ms     1.31      312MB    0.656    10     5      7.62s <NULL> <Rprof… <benc… <tib…
#5 dt          318.1ms 384.21ms     2.47      206MB    0.986    10     4      4.06s <NULL> <Rprof… <benc… <tib…

PS - 还包括 tidyr::crossing 以进行比较，因为它做同样的事情。