試圖成為基准 dplyr 與 data.table

Question

為什么這段代碼不起作用？ 我怎樣才能將這些基准化為表達式？

library(data.table)
library(dplyr)
dt <- as.data.table(mtcars) 

(lb <- bench::mark(
  dt[, .N, by = .(am, gear) ],
  count(dt, am, gear)
))

all.equal.data.table(results$result[[1]], results$result[[i]]) 錯誤：'target' 和 'current' 必須都是 data.tables

Answer 1

在這種情況下，微基准測試包將非常有效。

library(data.table)
library(dplyr)
library(microbenchmark)

dt <- as.data.table(mtcars) 

microbenchmark::microbenchmark(
  dt = dt[, .N, by = .(am, gear) ],
  dplyr = count(dt, am, gear)
)

# Unit: microseconds
#   expr     min       lq      mean   median        uq       max neval
#     dt 366.895  441.917  666.3117  471.690  545.9255  8154.319   100
#  dplyr 934.658 1049.023 1649.7788 1144.242 1255.5120 29170.144   100

Answer 2

我更願意理解強制檢查失敗的原因。

在這種情況下，差異是由

• 不同的行順序（data.table by =按出現順序返回組， count()似乎默認對行進行排序）
• 幕后的不同屬性。

下面的代碼修復了這兩個問題並仍然檢查結果：

library(data.table)
library(dplyr)
dt <- as.data.table(mtcars) 

(lb <- bench::mark(
  dt[, .N, keyby = .(am, gear)],
  count(dt, am, gear),
  check = function(x, y) all.equal(x, y, check.attributes = FALSE)
))

 # A tibble: 2 × 13 expression min median `itr/sec` mem_alloc `gc/sec` n_itr n_gc total_time result <bch:expr> <bch:tm> <bch:tm> <dbl> <bch:byt> <dbl> <int> <dbl> <bch:tm> <list> 1 dt[, .N, keyby =.(am, gear)] 617.3µs 688.1µs 1333. 33.5KB 4.17 640 2 480ms <data.table [4 × 3]> 2 count(dt, am, gear) 9.04ms 10.7ms 93.8 10.7KB 2.09 45 1 480ms <data.table [4 × 3]> # … with 3 more variables: memory <list>, time <list>, gc <list>