我正在查看此答案中的基准，并希望将其与diag（用于其他答案中）进行比较。不幸的是，似乎diag需要花费很多时间：
nc <- 1e4
set.seed(1)
m <- matrix(sample(letters,nc^2,replace=TRUE), ncol = nc)
microbenchmark(
diag = diag(m),
cond = m[row(m)==col(m)],
vec = m[(1:nc-1L)*nc+1:nc],
mat = m[cbind(1:nc,1:nc)],
times=10)
评论：我用进行了测试identical。我从这个作业问题的答案之一中得出“ cond” 。结果类似于整数矩阵，1:26而不是letters。
结果：
Unit: microseconds
expr min lq mean median uq max neval
diag 604343.469 629819.260 710371.3320 706842.3890 793144.019 837115.504 10
cond 3862039.512 3985784.025 4175724.0390 4186317.5260 4312493.742 4617117.706 10
vec 317.088 329.017 432.9099 350.1005 629.460 651.376 10
mat 272.147 292.953 441.7045 345.9400 637.506 706.860 10
这只是一个矩阵子集运算，所以我不知道为什么会有这么多的开销。展望功能里面，我看到了几个检查，然后c(m)[v]，在v处于“VEC”基准测试中使用相同的载体。定时这两个...
v <- (1:nc-1L)*nc+1:nc
microbenchmark(diaglike=c(m)[v],vec=m[v])
# Unit: microseconds
# expr min lq mean median uq max neval
# diaglike 579224.436 664853.7450 720372.8105 712649.706 767281.5070 931976.707 100
# vec 334.843 339.8365 568.7808 646.799 663.5825 1445.067 100
...似乎我找到了罪魁祸首。所以，对我的问题的新变化是：为什么会出现一个看似不必要的，非常耗时c的diag？
概要
从3.2.1版开始（世界著名的宇航员）diag()已收到更新。讨论转移到r-devel，在那里注意到它去除了c()非名称属性，并且可能是为什么将其放置在那里。尽管有些人担心删除c()会在类似矩阵的对象上引起未知的问题，但Peter Dalgaard发现：“c()内部diag()起作用的唯一情况是M[i,j] != M[(i-1)*m+j]ANDc(M)将按M列的主要顺序进行字符串化，这样M[i,j] == c(M)[(i-1)*m+j]。”
Luke Tierney测试了@Frank的删除c()，发现它对CRAN或BIOC没有任何影响，因此在第27行实现了用x [...]替换c（x）[...] 。这导致相对较大的加速diag()。以下是一项速度测试，显示了R 3.2.1版本的改进diag()。
library(microbenchmark)
nc <- 1e4
set.seed(1)
m <- matrix(sample(letters,nc^2,replace=TRUE), ncol = nc)
microbenchmark(diagOld(m),diag(m))
Unit: microseconds
expr min lq mean median uq max neval
diagOld(m) 451189.242 526622.2775 545116.5668 531905.5635 540008.704 682223.733 100
diag(m) 222.563 646.8675 644.7444 714.4575 740.701 1015.459 100
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句