eu tenhonc colunas em um data.table enc escalares em um vetor. Eu quero dar umacombinação linear das colunas, mas não sei de antemão quais colunas vou usar.Qual é a maneira mais eficiente de fazer isso?

configuração

require(data.table)
set.seed(1)

n  <- 1e5
nc <- 5
cf <- setNames(rnorm(nc),LETTERS[1:nc])
DT <- setnames(data.table(replicate(nc,rnorm(n))),LETTERS[1:nc])

maneiras de fazer isso

Suponha que eu queira usar as primeiras quatro colunas. Eu posso escrever manualmente:

DT[,list(cf['A']*A+cf['B']*B+cf['C']*C+cf['D']*D)]

Eu posso pensar em duas formas automáticas (que funcionam sem saber que A-E deve ser usado):

mycols <- LETTERS[1:4] # the first four columns
DT[,list(as.matrix(.SD)%*%cf[mycols]),.SDcols=mycols]
DT[,list(Reduce(`+`,Map(`*`,cf[mycols],.SD))),.SDcols=mycols]

avaliação comparativa

Espero que oas.matrix para fazer a segunda opção lenta, e realmente não tem intuição para a velocidade deMap-Reduce combinações.

require(rbenchmark)
options(datatable.verbose=FALSE) # in case you have it turned on

benchmark(
    manual=DT[,list(cf['A']*A+cf['B']*B+cf['C']*C+cf['D']*D)],
    coerce=DT[,list(as.matrix(.SD)%*%cf[mycols]),.SDcols=mycols],
    maprdc=DT[,list(Reduce(`+`,Map(`*`,cf[mycols],.SD))),.SDcols=mycols]
)[,1:6]

    test replications elapsed relative user.self sys.self
2 coerce          100    2.47    1.342      1.95     0.51
1 manual          100    1.84    1.000      1.53     0.31
3 maprdc          100    2.40    1.304      1.62     0.75

Eu chego em qualquer lugar de uma desaceleração de 5% a 40% por cento em relação à abordagem manual quando eu repito obenchmark ligar.

Minha aplicação

As dimensões aqui -n elength(mycols) - estão perto do que estou trabalhando, mas estarei executando esses cálculos muitas vezes, alterando o vetor coeficiente,cf.