我可以在R中使用一个列表作为散列吗？ 如果是这样，为什么这么慢？
在使用R之前，我使用了相当多的Perl。 在Perl中，我经常使用哈希函数，在Perl中查找哈希函数通常被认为是快速的。
例如，下面的代码将使用多达10000个键/值对来填充散列，其中键是随机字母，值是随机整数。 然后，它在该散列中进行10000次随机查找。
#!/usr/bin/perl -w use strict; my @letters = ('a'..'z'); print @letters . "\n"; my %testHash; for(my $i = 0; $i < 10000; $i++) { my $r1 = int(rand(26)); my $r2 = int(rand(26)); my $r3 = int(rand(26)); my $key = $letters[$r1] . $letters[$r2] . $letters[$r3]; my $value = int(rand(1000)); $testHash{$key} = $value; } my @keyArray = keys(%testHash); my $keyLen = scalar @keyArray; for(my $j = 0; $j < 10000; $j++) { my $key = $keyArray[int(rand($keyLen))]; my $lookupValue = $testHash{$key}; print "key " . $key . " Lookup $lookupValue \n"; } 现在越来越多了，我想在R里有一个类似哈希的数据结构。下面是等效的R代码：
testHash <- list() for(i in 1:10000) { key.tmp = paste(letters[floor(26*runif(3))], sep="") key <- capture.output(cat(key.tmp, sep="")) value <- floor(1000*runif(1)) testHash[[key]] <- value } keyArray <- attributes(testHash)$names keyLen = length(keyArray); for(j in 1:10000) { key <- keyArray[floor(keyLen*runif(1))] lookupValue = testHash[[key]] print(paste("key", key, "Lookup", lookupValue)) }
代码似乎在做同样的事情。 但是，Perl的速度要快得多：
>time ./perlHashTest.pl real 0m4.346s user **0m0.110s** sys 0m0.100s
比较R：
time R CMD BATCH RHashTest.R real 0m8.210s user **0m7.630s** sys 0m0.200s
什么解释了这种差异？ 在R列表中查找不好？
增加到10万个列表长度和10万个查找只会夸大这个差异？ R中的散列数据结构比本地列表（）有更好的select吗？
根本的原因是R列表与命名元素不散列。 哈希查找是O（1），因为在插入期间使用哈希函数将密钥转换为整数，然后将值放在空间hash(key) % num_spots的一个数组num_spots long（这是一个很大的简化并避免处理碰撞的复杂性）。 查找密钥只需要对密钥进行散列查找值的位置（与O（n）数组查找相比，是O（1））。 R列表使用O（n）的名称查找。
正如德克所说，使用散列包。 这是一个巨大的局限性，它使用环境（哈希）和重写的方法来模仿哈希表。 但是一个环境不能包含其他环境，所以你不能使用哈希函数进行嵌套散列。
前一段时间，我在C / R中实现了一个可以嵌套的纯哈希表数据结构，但是当我处理其他事情的时候，我的项目就开始了。 这将是很好，虽然:-)
您可以尝试环境和/或克里斯托弗·布朗（这恰好使用环境下的环境） 哈希包。
你的代码是非常类似的，是这么慢的原因之一。 我没有优化下面代码的最大速度，只有R'ness。
n <- 10000 keys <- matrix( sample(letters, 3*n, replace = TRUE), nrow = 3 ) keys <- apply(keys, 2, paste0, collapse = '') value <- floor(1000*runif(n)) testHash <- as.list(value) names(testHash) <- keys keys <- sample(names(testHash), n, replace = TRUE) lookupValue = testHash[keys] print(data.frame('key', keys, 'lookup', unlist(lookupValue)))
在我的机器上，几乎可以即时排除打印。 您的代码运行速度与您报告的速度相同。 它是做你想要的吗？ 你可以设置n为10，只要看看输出和testHash，看看是否是这样。
语法上的注意：上面的apply只是一个循环，而那些在R中是缓慢的。这些应用系列命令的要点是expression性。 下面的许多命令可能被放在一个循环中，如果它是一个for循环将是诱惑。 在R尽可能多地从你的循环中。 使用应用系列命令使得这更加自然，因为该命令被devise为将一个函数的应用程序表示为某种types的列表，而不是通用循环（是的，我知道apply可以用于多个命令）。
我是一个R的黑客，但是我是一个经验主义者，所以我会分享一些我观察到的东西，让那些对R有更深入的理论认识的人对于这个问题有所了解。
-
R使用标准stream比Perl更慢。 由于stdin和stout在Perl中的使用更为普遍，所以我认为它对这些事情做了优化。 所以在RI中，使用内置函数（例如
write.table）来读/写文本要快得多。 -
正如其他人所说的，R中的向量操作比循环更快，而且速度更快，大多数apply（）族的语法只是一个循环中的漂亮包装。
-
索引的东西工作比非索引更快。 （很明显，我知道。）data.table包支持索引dataframetypes对象。
-
我从来没有用过像@Allen这样的哈希环境（我从来没有用过哈希……据你所知）
-
你使用的一些语法是有效的，但是可以收紧。 我不认为这对速度真的很重要，但代码更可读。 我不写非常严密的代码，但我编辑了一些东西，如改变
floor(1000*runif(1))以sample(1:1000, n, replace=T)。 我不是故意的，我只是从头开始写的。
所以考虑到这一点，我决定testing@allen使用的哈希方法（因为它对我来说是新颖的），这是我使用索引data.table作为查找表创build的“穷人哈希”。 我不是100％确定@allen和我正在做什么，这正是你在Perl中所做的，因为我的Perl很生疏。 但是我认为下面的两个方法是一样的。 我们都从“散列”中的键中抽样第二组键，因为这可以防止散列错过。 你会想testing这些例子如何处理乱码，因为我没有多less想法。
require(data.table) dtTest <- function(n) { makeDraw <- function(x) paste(sample(letters, 3, replace=T), collapse="") key <- sapply(1:n, makeDraw) value <- sample(1:1000, n, replace=T) myDataTable <- data.table(key, value, key='key') newKeys <- sample(as.character(myDataTable$key), n, replace = TRUE) lookupValues <- myDataTable[newKeys] strings <- paste("key", lookupValues$key, "Lookup", lookupValues$value ) write.table(strings, file="tmpout", quote=F, row.names=F, col.names=F ) }
＃
hashTest <- function(n) { testHash <- new.env(hash = TRUE, size = n) for(i in 1:n) { key <- paste(sample(letters, 3, replace = TRUE), collapse = "") assign(key, floor(1000*runif(1)), envir = testHash) } keyArray <- ls(envir = testHash) keyLen <- length(keyArray) keys <- sample(ls(envir = testHash), n, replace = TRUE) vals <- mget(keys, envir = testHash) strings <- paste("key", keys, "Lookup", vals ) write.table(strings, file="tmpout", quote=F, row.names=F, col.names=F ) }
如果我运行每个方法使用100,000次绘制，我得到这样的东西：
> system.time( dtTest(1e5)) user system elapsed 2.750 0.030 2.881 > system.time(hashTest(1e5)) user system elapsed 3.670 0.030 3.861
请记住，这个比Perl代码还要慢很多，在我的PC上，它似乎在一秒钟内运行了100K样本。
我希望上面的例子有所帮助。 如果您有任何疑问， why @allen，@ vince和@dirk将能够回答;）
在input上面的内容之后，我意识到我没有testing@john做了什么。 那么，到底什么，我们都做了3.我改变了@john的代码来使用write.table（），这是他的代码：
johnsCode <- function(n){ keys = sapply(character(n), function(x) paste(letters[ceiling(26*runif(3))], collapse='')) value <- floor(1000*runif(n)) testHash <- as.list(value) names(testHash) <- keys keys <- names(testHash)[ceiling(n*runif(n))] lookupValue = testHash[keys] strings <- paste("key", keys, "Lookup", lookupValue ) write.table(strings, file="tmpout", quote=F, row.names=F, col.names=F ) }
和运行时间：
> system.time(johnsCode(1e5)) user system elapsed 2.440 0.040 2.544
在那里，你有它。 @john写紧/快R代码！
但是一个环境不能包含另一个环境（引自Vince的回答）。
也许前一段时间是这样（我不知道），但是这个信息似乎不准确了：
> d <- new.env() > d$x <- new.env() > d$x$y = 20 > d$x$y [1] 20
所以环境现在可以制作一个非常有用的地图/字典。 也许你会错过'['运算符，在这种情况下使用哈希包。
这个来自哈希包文档的笔记也可能是有趣的：
R使用环境慢慢向本机实现散列（参见：Extract。使用$和[[已经可用一段时间了，最近的对象可以从环境中inheritance等等）访问环境，但是许多使得散列/字典还有很多缺点，比如切片操作，[。
首先，正如Vince和Dirk所说的，你在示例代码中不使用散列。 perl例子的直译就是
#!/usr/bin/Rscript testHash <- new.env(hash = TRUE, size = 10000L) for(i in 1:10000) { key <- paste(sample(letters, 3, replace = TRUE), collapse = "") assign(key, floor(1000*runif(1)), envir = testHash) } keyArray <- ls(envir = testHash) keyLen <- length(keyArray) for(j in 1:10000) { key <- keyArray[sample(keyLen, 1)] lookupValue <- get(key, envir = testHash) cat(paste("key", key, "Lookup", lookupValue, "\n")) }
在我的机器上运行很快，他们主要是安装程序。 （尝试它并发布时间。）
但是真正的问题，正如约翰说的那样，你必须考虑R中的向量（比如perl中的map），他的解决scheme可能是最好的。 如果你想使用散列，考虑
keys <- sample(ls(envir = testHash), 10000, replace = TRUE) vals <- mget(keys, envir = testHash)
经过与上面相同的设置，这在我的机器上几乎是瞬时的。 要打印它们都尝试
cat(paste(keys, vals), sep="\n")
希望这有所帮助。
艾伦
