Немногие другие наблюдения
Bytes.toBytes(c);
внутренне вызывает String.getBytes("UTF-8")
String.getBytes()
, который принимает набор символов поскольку входной сигнал быстрее, чем тот, который не принимает никакого набора символов. Поэтому для данной строки getBytes("UTF-8")
будет быстрее, чем getBytes()
. Я тестировал это на своей машине (Windows8, JDK 7). Выполните две петли, одна с getBytes("UTF-8")
и другая с getBytes()
последовательно в равных итерациях. long ts;
String c = "sgfrt34tdfg34";
ts = System.currentTimeMillis();
for (int k = 0; k < 10000000; k++) {
c.getBytes("UTF-8");
}
System.out.println("t1->" + (System.currentTimeMillis() - ts));
ts = System.currentTimeMillis();
for (int i = 0; i < 10000000; i++) {
c.getBytes();
}
System.out.println("t2->" + (System.currentTimeMillis() - ts));
это дает:
t1->1970
t2->2541
, и результаты одинаковы, даже если вы меняете порядок выполнения цикла. Чтобы уклониться от любых оптимизаций JIT, я бы предложил запустить тесты по отдельным методам, чтобы подтвердить это (как это предложил @Peter Lawrey выше)
Bytes.toBytes(c)
всегда будет быстрее, чем String.getBytes()
Хорошо, я нашел решение, немного запутанное:
prueba[, lapply(.SD, function(x) as.list( table(factor(
is.na(x), levels=c(F,T)))) ), .SDcols=c("aa","bb", "cc")]
Должен быть более легкий путь.
Возможно, используйте table
:
prueba[, table(is.na(.SD), names(.SD)[col(.SD)]), .SDcols=aa:cc]
aa bb cc
FALSE 7 5 5
TRUE 0 2 2
По сути, это относится к матрице.
Некоторые альтернативы:
prueba[, table(is.na(.SD), rep(names(.SD), each=.N)), .SDcols=aa:cc]
melt(prueba[, aa:cc])[, table(is.na(value), variable)]
Вот еще одно предложение, которое должно быть достаточно общим. Во-первых, составьте таблицу сопряженности на основе требований. Затем преобразуйте вывод таблицы в список и rbindlist
все результаты вместе. Наконец, замените NA на 0 отсчетов.
output <- prueba[, rbindlist(
lapply(.SD, function(x) as.list(table(is.na(x)))),
fill=TRUE,
idcol=TRUE),
.SDcols=aa:cc]
output[, lapply(.SD, function(x) replace(x, is.na(x), 0L))]
вывод:
.id FALSE TRUE
1: aa 7 0
2: bb 5 2
3: cc 5 2
<час> редактирование: добавление еще одного общего подхода:
#build and flatten contingency table
tab <- prueba[, as.list(unlist(lapply(.SD, function(x) table(is.na(x))))),
.SDcols=aa:cc]
#melt, split original column names and then pivot
dcast(
melt(tab, measure.vars=names(tab))[,
c("V1","Factor") := tstrsplit(variable, split="\\.")],
Factor ~ V1,
function(x) x[1L],
fill=0L)
вывод:
Factor aa bb cc
1: FALSE 7 5 5
2: TRUE 0 2 2
<час> Изменить: добавить время
set.seed(0L)
sz <- 1e6
nc <- 10
DT <- as.data.table(matrix(sample(c(NA_integer_, 1L:10L), sz*nc, TRUE), ncol=nc))
setnames(DT, paste0("C", 1L:nc))
cols <- names(DT)
mtd1 <- function() {
DT[, table(is.na(.SD), names(.SD)[col(.SD)]), .SDcols=cols]
}
mtd2 <- function() {
DT[, table(is.na(.SD), rep(names(.SD), each=.N)), .SDcols=cols]
}
mtd3 <- function() {
melt(DT[, ..cols], measure.vars=cols)[, table(is.na(value), variable)]
}
mtd4 <- function() {
tab <- DT[, as.list(unlist(lapply(.SD, function(x) table(is.na(x))))),
.SDcols=cols]
dcast(melt(tab, measure.vars=names(tab))[, c("V1","Factor") := tstrsplit(variable, split="\\.")],
Factor ~ V1, function(x) x[1L], fill=0L)
}
mtd5 <- function() {
output <- DT[, rbindlist(lapply(.SD, function(x) as.list(table(is.na(x)))), fill=TRUE, idcol=TRUE),
.SDcols=cols]
output[, lapply(.SD, function(x) replace(x, is.na(x), 0L))]
}
library(microbenchmark)
microbenchmark(mtd1(), mtd2(), mtd3(), mtd4(), mtd5(), times=3L)
время:
Unit: seconds
expr min lq mean median uq max neval cld
mtd1() 5.044369 5.049252 5.086534 5.054135 5.107617 5.161100 3 b
mtd2() 5.106796 5.110014 5.474269 5.113232 5.658005 6.202778 3 b
mtd3() 2.395127 2.461463 2.509938 2.527799 2.567344 2.606888 3 a
mtd4() 2.138672 2.142300 2.145895 2.145927 2.149506 2.153084 3 a
mtd5() 2.113367 2.175346 2.228162 2.237325 2.285560 2.333794 3 a
Вот подход с базой R:
rbind(tmp <- colSums(is.na(prueba[ , -"YEAR"])), nrow(prueba) - tmp)
# aa bb cc
# [1,] 0 2 2
# [2,] 7 5 5