Use outer en lugar de expand.grid

Question

Estoy buscando la mayor velocidad posible y permanecer en la base para hacer lo que hace expand.grid. He usado outer para propósitos similares en el pasado para crear un vector; algo como esto:

v <- outer(letters, LETTERS, paste0) 
unlist(v[lower.tri(v)]) 

Benchmarking me ha demostrado que outer puede ser drásticamente más rápido que expand.grid pero esta vez quiero crear dos columnas al igual que expand.grid (todos los combos posibles para 2 vectores) pero mis métodos con outer no hacer punto de referencia tan rápido con exterior esta vez.

Estoy esperando para tomar 2 vectores y crear cada posible combinación como dos columnas lo más rápido posible (creo outer puede ser la ruta, pero estoy abierta a cualquier método de base.

Aquí está el método expand.grid y . outer método

dat <- cbind(mtcars, mtcars, mtcars) 

expand.grid(seq_len(nrow(dat)), seq_len(ncol(dat))) 

FOO <- function(x, y) paste(x, y, sep=":") 
x <- outer(seq_len(nrow(dat)), seq_len(ncol(dat)), FOO) 
apply(do.call("rbind", strsplit(x, ":")), 2, as.integer) 

El microbenchmarking muestra outer es más lento:

#  expr  min  lq median  uq  max 
# EXPAND.G 812.743 838.6375 894.6245 927.7505 27029.54 
# OUTER 5107.871 5198.3835 5329.4860 5605.2215 27559.08 

Creo que mi uso de outer es lento porque no sé cómo usar outer para crear directamente un vector de longitud 2 que puedo do.call('rbind' juntos. Tengo que ralentizar paste y ralentizar la división. ¿Cómo puedo hacer esto con outer (u otros métodos en base) de una manera que sea más rápida que expand grid?

EDITAR: Agregando los resultados de microbenchmark.

**

Unit: microseconds 
     expr  min  lq median  uq  max 
1 ERNEST 34.993 39.1920 52.255 57.854 29170.705 
2  JOHN 13.997 16.3300 19.130 23.329 266.872 
3 ORIGINAL 352.720 372.7815 392.377 418.738 36519.952 
4 TOMMY 16.330 19.5960 23.795 27.061 6217.374 
5 VINCENT 377.447 400.3090 418.505 451.864 43567.334 

**

Answer 1

Usando rep.int:

expand.grid.alt <- function(seq1,seq2) { 
    cbind(rep.int(seq1, length(seq2)), 
     c(t(matrix(rep.int(seq2, length(seq1)), nrow=length(seq2))))) 
} 

expand.grid.alt(seq_len(nrow(dat)), seq_len(ncol(dat))) 

En mi equipo es como 6 veces más rápido que expand.grid.

Answer 2

Puede crear las dos columnas por separado.

library(microbenchmark) 
n <- nrow(dat) 
m <- ncol(dat) 
f1 <- function() expand.grid(1:n, 1:m) 
f2 <- function() 
    data.frame( 
    Var1 = as.vector(outer(1:n, rep(1,m))), 
    Var2 = as.vector(outer(rep(1,n), 1:m)) 
) 
microbenchmark(f1, f2, times=1e6) 
# Unit: nanoseconds 
# expr min lq median uq max 
# 1 f1 70 489 490 559 168458 
# 2 f2 70 489 490 559 168597 

Answer 3

@ErnestA tiene una gran solución que merece la respuesta.

... podría ser marginalmente más rápido sin embargo:

expand.grid.alt2 <- function(seq1,seq2) { 
    cbind(Var1=rep.int(seq1, length(seq2)), Var2=rep(seq2, each=length(seq1))) 
} 

s1=seq_len(2000); s2=seq_len(2000) 
system.time(for(i in 1:10) expand.grid.alt2(s1, s2)) # 1.58 
system.time(for(i in 1:10) expand.grid.alt(s1, s2)) # 1.75 
system.time(for(i in 1:10) expand.grid(s1, s2))  # 2.46 

Answer 4

La documentación para rep.int no es del todo completa. No es el más rápido en el caso más común porque puede pasar vectores para el argumento de tiempos, al igual que con rep. Puedes usarlo directamente para ambas secuencias, reduciendo el tiempo otro 40% más o menos sobre Tommy's.

expand.grid.jc <- function(seq1,seq2) { 
    cbind(Var1 = rep.int(seq1, length(seq2)), 
    Var2 = rep.int(seq2, rep.int(length(seq1),length(seq2)))) 
}