Verwenden Sie äußere anstelle von expand.grid

Question

Ich bin auf der Suche nach so viel Geschwindigkeit wie möglich und bleiben in der Basis zu tun, was expand.grid tut. Ich habe outer für ähnliche Zwecke in der Vergangenheit verwendet, um einen Vektor zu erstellen; so etwas wie dieses:

v <- outer(letters, LETTERS, paste0) 
unlist(v[lower.tri(v)]) 

Benchmarking hat mir gezeigt, dass outer drastisch schneller als expand.grid sein kann, aber dieses Mal möchte ich zwei Spalten erstellen, wie expand.grid (alle möglichen Kombinationen für zwei Vektoren), aber meine Methoden mit outer nicht Benchmark so schnell wie möglich mit dieser Zeit.

Ich hoffe, 2 Vektoren zu nehmen und jede mögliche Combo als zwei Spalten so schnell wie möglich zu schaffen (ich glaube outer der Weg sein kann, aber ich bin weit offen für jede Basismethode.

Hier ist die expand.grid Verfahren und . Methode outer

dat <- cbind(mtcars, mtcars, mtcars) 

expand.grid(seq_len(nrow(dat)), seq_len(ncol(dat))) 

FOO <- function(x, y) paste(x, y, sep=":") 
x <- outer(seq_len(nrow(dat)), seq_len(ncol(dat)), FOO) 
apply(do.call("rbind", strsplit(x, ":")), 2, as.integer) 

Die microbenchmarking zeigt outer langsamer ist:

#  expr  min  lq median  uq  max 
# EXPAND.G 812.743 838.6375 894.6245 927.7505 27029.54 
# OUTER 5107.871 5198.3835 5329.4860 5605.2215 27559.08 

Ich denke, meine outer Verwendung ist langsam, weil ich nicht weiß, wie man outer verwendet, um direkt eine Länge 2 Vektor, den ich zusammen do.call('rbind' erstellen kann. Ich muss langsam paste und langsam splitten. Wie kann ich dies mit outer (oder anderen Methoden in base) auf eine Weise tun, die schneller ist als expand grid?

EDIT: Hinzufügen der Microbenchmark Ergebnisse.

**

Unit: microseconds 
     expr  min  lq median  uq  max 
1 ERNEST 34.993 39.1920 52.255 57.854 29170.705 
2  JOHN 13.997 16.3300 19.130 23.329 266.872 
3 ORIGINAL 352.720 372.7815 392.377 418.738 36519.952 
4 TOMMY 16.330 19.5960 23.795 27.061 6217.374 
5 VINCENT 377.447 400.3090 418.505 451.864 43567.334 

**

Answer 1

Mit rep.int:

expand.grid.alt <- function(seq1,seq2) { 
    cbind(rep.int(seq1, length(seq2)), 
     c(t(matrix(rep.int(seq2, length(seq1)), nrow=length(seq2))))) 
} 

expand.grid.alt(seq_len(nrow(dat)), seq_len(ncol(dat))) 

In meinem Computer ist wie 6-mal schneller als expand.grid.

Answer 2

Sie können die beiden Spalten separat erstellen.

library(microbenchmark) 
n <- nrow(dat) 
m <- ncol(dat) 
f1 <- function() expand.grid(1:n, 1:m) 
f2 <- function() 
    data.frame( 
    Var1 = as.vector(outer(1:n, rep(1,m))), 
    Var2 = as.vector(outer(rep(1,n), 1:m)) 
) 
microbenchmark(f1, f2, times=1e6) 
# Unit: nanoseconds 
# expr min lq median uq max 
# 1 f1 70 489 490 559 168458 
# 2 f2 70 489 490 559 168597 

Answer 3

@ErnestA hat eine großartige Lösung, die der Antwort wert ist!

... könnte es allerdings geringfügig schneller sein:

expand.grid.alt2 <- function(seq1,seq2) { 
    cbind(Var1=rep.int(seq1, length(seq2)), Var2=rep(seq2, each=length(seq1))) 
} 

s1=seq_len(2000); s2=seq_len(2000) 
system.time(for(i in 1:10) expand.grid.alt2(s1, s2)) # 1.58 
system.time(for(i in 1:10) expand.grid.alt(s1, s2)) # 1.75 
system.time(for(i in 1:10) expand.grid(s1, s2))  # 2.46 

Answer 4

Die Dokumentation für rep.int nicht ganz abgeschlossen ist. Im häufigsten Fall handelt es sich nicht nur um die schnellste Methode, da Sie Vektoren für das Argument times übergeben können, genau wie mit rep. Sie können es einfach für beide Sequenzen verwenden und die Zeit um weitere 40% gegenüber Tommy reduzieren.

expand.grid.jc <- function(seq1,seq2) { 
    cbind(Var1 = rep.int(seq1, length(seq2)), 
    Var2 = rep.int(seq2, rep.int(length(seq1),length(seq2)))) 
}