R - 更快替代hist（XX，plot = FALSE）$ count

Question

我正在寻找更快的替代R的hist(x, breaks=XXX, plot=FALSE)$count函数，因为我不需要生成任何其他输出（因为我想在sapply使用它）调用，需要100万次迭代，其中将调用此函数），例如

x = runif(100000000, 2.5, 2.6)
bincounts = hist(x, breaks=seq(0,3,length.out=100), plot=FALSE)$count

有什么想法吗？

Answer 1

使用table和cut第一次尝试：

table(cut(x, breaks=seq(0,3,length.out=100)))

它避免了额外的输出，但在我的电脑上大约需要34秒：

system.time(table(cut(x, breaks=seq(0,3,length.out=100))))
   user  system elapsed 
 34.148   0.532  34.696 

相比于hist 3.5秒：

system.time(hist(x, breaks=seq(0,3,length.out=100), plot=FALSE)$count)
   user  system elapsed 
  3.448   0.156   3.605

---

使用tabulate和.bincode运行速度比快一点点hist ：

tabulate(.bincode(x, breaks=seq(0,3,length.out=100)), nbins=100)

system.time(tabulate(.bincode(x, breaks=seq(0,3,length.out=100))), nbins=100)
   user  system elapsed 
  3.084   0.024   3.107

---

使用tablulate和findInterval相对于table和cut提供了显着的性能提升，相对于hist有一个很好的改进：

tabulate(findInterval(x, vec=seq(0,3,length.out=100)), nbins=100)

system.time(tabulate(findInterval(x, vec=seq(0,3,length.out=100))), nbins=100)
   user  system elapsed 
  2.044   0.012   2.055

Answer 2

似乎最好的办法就是减少hist.default所有开销。

nB1 <- 99
delt <- 3/nB1
fuzz <- 1e-7 * c(-delt, rep.int(delt, nB1))
breaks <- seq(0, 3, by = delt) + fuzz

.Call(graphics:::C_BinCount, x, breaks, TRUE, TRUE)

我通过运行debugonce(hist.default)来减少这一点，以了解hist究竟是如何工作的（并使用较小的向量进行测试 - n = 100而不是1000000 ）。

比较：

x = runif(100, 2.5, 2.6)
y1 <- .Call(graphics:::C_BinCount, x, breaks + fuzz, TRUE, TRUE)
y2 <- hist(x, breaks=seq(0,3,length.out=100), plot=FALSE)$count
identical(y1, y2)
# [1] TRUE