Увеличьте производительность, удалив из цикла for

Суть аргумента такова:

Функция, которую я написал, учитывает один аргумент, буквенно-цифровую строку и выводит строку, в которой значения каждого элемента этой буквенно-цифровой строки переключаются для некоторого "сопоставления". MRE следующим образом:

#This is the original and switches value map
map = data.table(mapped = c(0:35), original = c(0:9,LETTERS))
#the function that I'm using:
as_numbers <- function(string) {
  #split string unlisted
  vector_unlisted <- unlist(strsplit(string,""))
  #match the string in vector
  for (i in 1:length(vector_unlisted)) {

    vector_unlisted[i] <- subset(map, map$original==vector_unlisted[i])[[1]][1]

  }
  vector_unlisted <- paste0(vector_unlisted, collapse = "")

  return(vector_unlisted)
}

Я пытаюсь отойти от for loop для чего-то, что повышает производительность, поскольку функция работает, но она довольно медленная для количества элементов, которые я предоставил в этой форме:

unlist(lapply(dat$alphanum, function(x) as_numbers(x)))

Пример входных строк: 549300JV8KEETQJYUG13. Это должно привести к строке типа 5493001931820141429261934301613

Поставка только одной строки в этом случае:

> as_numbers("549300JV8KEETQJYUG13")
[1] "5493001931820141429261934301613"

Ответ 1

Используя Reduce и gsub, вы можете определить следующую функцию

replacer <- function(x) Reduce(function(x,r) gsub(map$original[r],
             map$mapped[r], x, fixed=T), seq_len(nrow(map)),x)


# Let test it
replacer("549300JV8KEETQJYUG13")
#[1] "5493001931820141429261934301613"

Ответ 2

Мы можем использовать базовое преобразование:

#input and expected output
x <- "549300JV8KEETQJYUG13"
# "5493001931820141429261934301613"

#output
res <- paste0(strtoi(unlist(strsplit(x, "")), base = 36), collapse = "")

#test output
as_numbers(x) == res
# [1] TRUE

Производительность

Поскольку этот пост посвящен производительности, вот бенчмаркинг * для 3-х решений:

#input set up
map = data.table(mapped = c(0:35), original = c(0:9,LETTERS))
x <- rep(c("549300JV8KEETQJYUG13", "5493V8KE300J"), 1000)

#define functions
base_f <- function(string) {
  sapply(string, function(x) {
    paste0(strtoi(unlist(strsplit(x, "")), base = 36), collapse = "")
    })
  }

match_f <- function(string) {
  mapped <- map$mapped
  original <- map$original
  sapply(strsplit(string, ""), function(y) {
    paste0(mapped[match(y, original)], collapse= "")})
  }

reduce_f <- function(string) {
  Reduce(function(string,r) 
    gsub(map$original[r],
         map$mapped[r], string, fixed = TRUE),
    seq_len(nrow(map)), string)
  }

#test if all return same output
all(base_f(x) == match_f(x))
# [1] TRUE
all(base_f(x) == reduce_f(x))
# [1] TRUE

library(rbenchmark)
benchmark(replications = 1000,
          base_f(x),
          match_f(x),
          reduce_f(x))
#          test replications elapsed relative user.self sys.self user.child sys.child
# 1   base_f(x)         1000   22.15    4.683     22.12        0         NA        NA
# 2  match_f(x)         1000   19.18    4.055     19.11        0         NA        NA
# 3 reduce_f(x)         1000    4.73    1.000      4.72        0         NA        NA

_{* Примечание: microbenchmark() продолжает выдавать предупреждения, поэтому вместо этого используется rbenchmark(). Не стесняйтесь тестировать другие библиотеки и обновлять этот пост.}

Ответ 3

Похоже на слияние:

map[as.data.table(unlist(strsplit(string, ""))),
    .(mapped), on = c(original = "V1")][ , paste0(mapped, collapse = "")]

Обратите внимание, что оба "D1" и "1V" будут отображаться на "131"...

На вашем примере выводится: "5493001931820141429261934301613"

Вы можете использовать sep = ".", если вы действительно хотите, чтобы это было обратимым отображением...

Ответ 4

Я бы использовал match:

as_numbers <- function(string) {
  lapply(strsplit(string, ""), function(y) {
    paste0(map$mapped[match(y, map$original)], collapse= "")})
}

as_numbers(c("549300JV8KEETQJYUG13", "5493V8KE300J"))
#[[1]]
#[1] "5493001931820141429261934301613"
#
#[[2]]
#[1] "5493318201430019"

Добавлен вызов lapply для правильного ввода длины > 1.

Если вам нужна дополнительная скорость, вы можете хранить map$mapped и map$original в отдельных векторах и использовать их в вызове match вместо map$..., поэтому вам не нужно подмножать data.frame/data.table столько раз (что довольно дорого).

Так как Q был около производительности, здесь была контрольная точка двух решений:

map = data.table(mapped = c(0:35), original = c(0:9,LETTERS))
x <- rep(c("549300JV8KEETQJYUG13", "5493V8KE300J"), 1000)

ascii_func <- function(string) {
  lapply(string, function(x) {
    x_ascii <- strtoi(charToRaw(x), 16)
    paste(ifelse(x_ascii >= 65 & x_ascii <= 90,
                  x_ascii - 55, x_ascii - 48),
                  collapse = "")
  })
}

match_func <- function(string) {
  mapped <- map$mapped
  original <- map$original
    lapply(strsplit(string, ""), function(y) {
      paste0(mapped[match(y, original)], collapse= "")})
}

library(microbenchmark)
microbenchmark(ascii_func(x), match_func(x), times = 25L)
#Unit: milliseconds
#          expr   min    lq  mean median     uq    max neval
# ascii_func(x) 83.47 92.55 96.91  96.82 103.06 112.07    25
# match_func(x) 24.30 24.74 26.86  26.11  28.67  31.55    25

identical(ascii_func(x), match_func(x))
#[1] TRUE