最有效的子集化向量方法

Question

我需要計算向量子集的均值和方差。 令x為向量， y為觀察是否在子集中的指示符。 哪個更有效：

sub.mean <- mean(x[y])
sub.var  <-  var(x[y])

要么

sub      <- x[y]
sub.mean <- mean(sub)
sub.var  <-  var(sub)
sub      <- NULL

第一種方法沒有明確地創建新對象; 但是對mean和var的調用是否隱含地執行了這個操作？ 或者它們是否存儲了原始矢量？

第二個更快，因為它不必兩次進行子集化嗎？

我關注速度和大數據集的內存管理。

Answer 1

對長度為10M的向量進行基准測試表明（在我的機器上）后一種方法更快：

f1 = function(x, y) {
    sub.mean <- mean(x[y])
    sub.var  <-  var(x[y])
}

f2 = function(x, y) {
    sub      <- x[y]
    sub.mean <- mean(sub)
    sub.var  <-  var(sub)
    sub      <- NULL
}

x = rnorm(10000000)
y = rbinom(10000000, 1, .5)

print(system.time(f1(x, y)))
#   user  system elapsed 
#  0.403   0.037   0.440 
print(system.time(f2(x, y)))
#   user  system elapsed 
#  0.233   0.002   0.235 

這不是surprising- mean(x[y]) 也必須創建一個新的對象為mean功能作用，即使它不將其添加到本地命名空間。 因此， f1對於必須進行兩次子集化的速度較慢（正如您所推測的那樣）。