輸入加快非等於加入
> specialty.dt
specialty p1 p2
1: ZKWM 0.0000000 0.7377049
2: MZAY 0.7377049 1.0000000
> provider.dt
provSysId prob
1: 23 0.94225972
2: 16 0.39277028
3: 8 0.07162044
4: 25 0.42598790
5: 7 0.90370561
6: 12 0.71343887
輸出
> prov_spec.dt
provSysId prob specialty p1 p2
1: 23 0.94225972 MZAY 0.7377049 1.0000000
2: 16 0.39277028 ZKWM 0.0000000 0.7377049
3: 8 0.07162044 ZKWM 0.0000000 0.7377049
4: 25 0.42598790 ZKWM 0.0000000 0.7377049
5: 7 0.90370561 MZAY 0.7377049 1.0000000
6: 12 0.71343887 ZKWM 0.0000000 0.7377049
代碼以創建上述表如下所示。對於num.provider=5
和num.specialty=10000
,需要將近30秒才能創建輸出。我想知道是否有更快的方式獲得相同的結果(沒有先做笛卡爾產品,因爲這需要大量內存)。
require(data.table)
num.specialty <- 50
num.provider <- 10000
specialty.dt <- data.table(specialty=replicate(num.specialty, paste(sample(LETTERS, 4, replace=TRUE), collapse="")))[,
cnt:=sample(1:50, .N, replace=T)][, prob:=cnt/sum(cnt)][, p2:=cumsum(prob)][, p1:=shift(p2,,0)][,
c("specialty","p1","p2"), with=FALSE]
provider.dt <- data.table(provSysId=sample(seq(num.provider+1,num.provider*5), num.provider, replace=FALSE))[, prob:=runif(.N)]
system.time({
prov_spec.dt <- rbindlist(lapply(1:num.provider, function(n) {r <- provider.dt[n]; cbind(r,specialty.dt[p1 <= r[,prob] & r[,prob] < p2]) }))
})
它不是完全清楚我你想要做什麼,但我認爲它沿着'specialty.dt [提供商的線路的。 dt,on =。(p1 <= prob, p2 > prob)]'(使用'data.table v1.9.7') – SymbolixAU