我如何编写这个工作代码来提高性能？

Question

我有一个更大的数据集(25K记录)来设置这个样本。我注意到我的应用程序的代码在这件事情上变慢了，我想检查一下性能的提高。

背景:我的财政年度从七月开始，到六月结束。因此，我的记录有一个与一个月和一个历年不同的财政期间和财政年度。我想要添加额外的列，指示日历年和月。

金融周期:2018年7月7日(2017年7月)

金融周期: 07 2018年是2018年(2018年1月)，等等。

可复制的例子：

dt<-data.table(FinancialPeriod =c(3,4,4,5,1,2,8,8,11,12,2,3,10,1,6), FinancialYear=c(2018), Amount=c(12,14,16,18,12))
dt$Month<-dt$FinancialPeriod + 6
dt$Year<-dt$FinancialYear
t1<-proc.time()
for(row in 1:nrow(dt)){
  if (dt[row,"Month"] > 12){
    dt[row,"Month"]<- dt[row,"Month"] -12
  } 
  else {
    dt[row,"Year"]<- dt[row,"Year"] -1
  }
}
proc.time()-t1
dt

上面的代码可以工作，但工作缓慢。我想就如何改进提出建议。

Answer 1

另一种选择：

i <- DT1[Month > 12L, which=TRUE]
DT1[i, Month := Month - 12L][-i, Year := Year - 1L]

请注意，在可更新的github站点上正在开发一个fifelse。

使用实际dim的计时：

# A tibble: 4 x 14
  expression      min     mean   median      max `itr/sec` mem_alloc  n_gc n_itr total_time result                  memory                 time    gc              
  <chr>      <bch:tm> <bch:tm> <bch:tm> <bch:tm>     <dbl> <bch:byt> <dbl> <int>   <bch:tm> <list>                  <list>                 <list>  <list>          
1 for_loop      1.92s    1.92s    1.92s    1.92s     0.521    4.66GB   110     1      1.92s <NULL>                  <Rprofmem [25,175 x 3~ <bch:t~ <tibble [1 x 3]>
2 mtd0         1.45ms   2.26ms    1.7ms   7.49ms   442.       6.55MB    31   221   500.02ms <data.table [25,000 x ~ <Rprofmem [67 x 3]>    <bch:t~ <tibble [221 x ~
3 mtd1       498.46us 650.79us  566.1us   2.98ms  1537.     699.56KB     6   768   499.81ms <data.table [25,000 x ~ <Rprofmem [24 x 3]>    <bch:t~ <tibble [768 x ~
4 basemtd    950.97us   1.41ms   1.02ms  50.65ms   709.       5.06MB    41   355   500.45ms <dbl [25,000]>          <Rprofmem [52 x 3]>    <bch:t~ <tibble [355 x ~

对于25k行数据，基数R已经非常快了。

数据：

set.seed(0L)
DT <- data.table(FinancialPeriod=sample(12L, 25e3L, TRUE), 
    FinancialYear=c(2018))
DT[, c("Month","Year") := .(FinancialPeriod + 6L, FinancialYear)]
DT0 <- copy(DT)
DT1 <- copy(DT)
DF <- setDF(copy(DT))

计时码：

bench::mark(
    for_loop = {
        for(row in 1:nrow(DF)){
            if (DF[row,"Month"] > 12){
                DF[row,"Month"]<- DF[row,"Month"] -12
            } 
            else {
                DF[row,"Year"]<- DF[row,"Year"] -1
            }
        }
    },
    mtd0=DT0[, c("Month", "Year") := list(ifelse(Month > 12, Month-12, Month), 
        ifelse(Month <= 12, Year-1, Year))],
    mtd1={
        i <- DT1[Month > 12L, which=TRUE]
        DT1[i, Month := Month - 12L][-i, Year := Year - 1L]
    },
    basemtd={
        DF0$Month <- ifelse(DF0$Month > 12L, DF0$Month - 12L, DF0$Month)  
        DF0$Year <- ifelse(DF0$Month <= 12L, DF0$Year - 1L, DF0$Year)  
    },
    check=FALSE
)

Answer 2

我的建议是使用一个完整的日期，例如一个财政期间的开始。因此，我们可以使用FinancialDate而不是FinancialPeriod-FinancialYear组合，例如OP的示例

金融周期-金融界: 01 2018

变成了

FinancialDate: 2018-01-01

这种方法有几个好处：

1. 只有一个日期对象描述周期，而不是两个更容易处理的对象，例如，用于聚合。如果需要，可以很容易地从date对象中提取月份和年份。
2. 我们可以利用通常的日期算法，例如lubridate包，将FinancialDate转换为CalendarDate。
3. 此外，绘图工作更好的日期对象。

以下是代码：

library(lubridate)
dt[, FinDate := make_date(FinancialYear, FinancialPeriod)]
dt[, CalDate := FinDate %m+% months(6)]   # convert to calendar date by adding offset
dt[, c("CalMonth", "CalYear") := list(month(CalDate), year(CalDate))]
dt

FinancialPeriod FinancialYear Amount Month Year FinDate CalDate CalMonth CalYear 1: 3 2018 12 9 2018 2018-03-01 2018-09-01 9 2018 2: 4 2018 14 10 2018 2018-04-01 2018-10-01 10 2018 3: 4 2018 16 10 2018 2018-04-01 2018-10-01 10 2018 4: 5 2018 18 11 2018 2018-05-01 2018-11-01 11 2018 5: 1 2018 12 7 2018 2018-01-01 2018-07-01 7 2018 6: 2 2018 12 8 2018 2018-02-01 2018-08-01 8 2018 7: 8 2018 14 14 2018 2018-08-01 2019-02-01 2 2019 8: 8 2018 16 14 2018 2018-08-01 2019-02-01 2 2019 9: 11 2018 18 17 2018 2018-11-01 2019-05-01 5 2019 10: 12 2018 12 18 2018 2018-12-01 2019-06-01 6 2019 11: 2 2018 12 8 2018 2018-02-01 2018-08-01 8 2018 12: 3 2018 14 9 2018 2018-03-01 2018-09-01 9 2018 13: 10 2018 16 16 2018 2018-10-01 2019-04-01 4 2019 14: 1 2018 18 7 2018 2018-01-01 2018-07-01 7 2018 15: 6 2018 12 12 2018 2018-06-01 2018-12-01 12 2018

Answer 3

看起来您使用的是data.table，所以我使用了data.table语法。有几种解决方案，但有一种选择是使用ifelse

dt[, c("Month", "Year") := list(ifelse(Month > 12, Month-12, Month), ifelse(Month <= 12, Year-1, Year))]

或者，如果您想跳过创建初始变量Month和Year

dt[, c("Month", "Year") := list(ifelse(FinancialPeriod + 6 > 12, FinancialPeriod -6, FinancialPeriod + 6), 
                                ifelse(FinancialPeriod + 6 <= 12, FinancialYear-1, FinancialYear))]

基准测试

原始数据：

Unit: microseconds
     expr     min       lq      mean   median       uq     max neval
 for_loop 21183.8 21765.90 23600.586 22169.80 22981.15 73243.2   100
   ifelse   298.7   332.05   350.509   356.35   369.10   495.8   100

较大的数据集：

data.table(sapply(dt, rep, 100))
Unit: microseconds
     expr       min      lq       mean     median        uq       max neval
 for_loop 1645857.5 1655792 1690718.78 1696271.35 1704510.1 1746731.2    10
       o1     395.4     398     425.29     425.05     446.6     462.3    10

代码：

microbenchmark::microbenchmark(
  for_loop = {
    for(row in 1:nrow(dt)){
      if (dt[row,"Month"] > 12){
        dt[row,"Month"]<- dt[row,"Month"] -12
      } 
      else {
        dt[row,"Year"]<- dt[row,"Year"] -1
      }
    }
  },
  ifelse = {
    dt[, c("Month", "Year") := list(ifelse(Month > 12, Month-12, Month), ifelse(Month <= 12, Year-1, Year))]
  },
  times = 100
)