Warum verwendet dplyr pipe (%>%) langsamer als ein äquivalenter Ausdruck, der keine Pipe ist, für Group-by-Operationen mit hoher Kardinalität?
Ich dachte, dass im Allgemeinen mit%>% hätte keinen spürbaren Einfluss auf die Geschwindigkeit. Aber in diesem Fall läuft es 4x langsamer.
library(dplyr)
library(microbenchmark)
set.seed(0)
dummy_data <- dplyr::data_frame(
id=floor(runif(100000, 1, 100000))
, label=floor(runif(100000, 1, 4))
)
microbenchmark(dummy_data %>% group_by(id) %>% summarise(list(unique(label))))
microbenchmark(dummy_data %>% group_by(id) %>% summarise(label %>% unique %>% list))
Ohne Pipe:
min lq mean median uq max neval
1.691441 1.739436 1.841157 1.812778 1.880713 2.495853 100
Mit Pipe:
min lq mean median uq max neval
6.753999 6.969573 7.167802 7.052744 7.195204 8.833322 100
Warum ist%>% so viel langsamer in dieser situation? Gibt es eine bessere Möglichkeit, dies zu schreiben?