以某些表为参数的函数的矢量化

Question

我需要一些关于最佳实践的帮助

我有一个函数fc_mean_wages()，它计算一个值(一个平均工资)并执行这些任务(粗野)：

1. 作为参数获取工人的月工资(less m或更少)
2. 如果我没有m的工资，我会寻找得到类似替代的方法: 2a。获取来自同一雇主的其他工人的中位数，2b。否则，我得到了全国平均水平的活动。
3. 得到一张m指数表，以调整工资以适应通货膨胀。
4. 我计算m所选值的加权平均值。

我必须和成千上万的工人一起完成这项任务。所以我可以做两件事

1. 将完整的工资数据库作为参数，通过一个函数调用计算所有这些数据。
2. 把一个工人的工资作为参数，用矢量化的方式计算(例如：wages %>% group_by (worker) %>% mutate(., index_tables, wages, activity_means_table))

我选择A，因为函数需要计算相同工资数据库的中位数，并且不知道矢量化是否工作良好，当您必须把它作为输入大表时。我的A解决方案不是一个很好的功能，它更像是一个简单的过程，而不是一个功能形式。

可以尝试将此任务向量化吗？是否有更好的表现，多次调用工资表，并按工人过滤它的工人？

Answer 1

显然，对于一个函数来说，这是一个非常复杂的任务。

我建议你把它分成更简单的部分。

即便如此，您也无法避免读取整个表来执行您提到的查找(查找雇主薪资中的媒体)。解决方案是分析这些任务中哪些是不稳定的，哪些是不稳定的。

例如，雇主的工资可能每月变化一次。然后只运行一次查找过程；不需要是函数。其他如筛选选定员工的薪资可能需要按需进行，因此可以将其功能化。

最后，使用profvis和microbenchmark包来记录改进和记录复杂的过程。将运行中的进程从核心中分离出来；以后可以用另一种语言代替，可以委托给IT团队，或者通过改进数据库设计而变得过时，或者因为数据质量更高。