我目前正在用dplyr编写一个函数来进行计算。当我输入一个tbl_sql对象时,该函数变得非常慢,但当我输入一个data.frame时却相当快。
一个例子,
df = data.frame(
a = rnorm(1000000),
b = rnorm(1000000),
c = rep(1:5, 2000000),
d = rep(1:10, 1000000)
)
library(dplyr)
library(MonetDBLite)
library(DBI)
mydb = dbConnect(MonetDBLite())
dbWriteTable(mydb, "df", df, overwrite = T)
dfdb = tbl(mydb, "df")
f = function(d, loc = F){
d = d %>% mutate(i = a*b, ii = a/b)
d2 = d %>% group_by(d) %>% summarise(sum(i)) %>% rename(k = d)
d3 = d %>% group_by(c) %>% summarise(sum(ii)) %>% rename(k = c)
d4 = inner_join(d2, d3, by = "k")
print(d4)
}
system.time(f(df))
不到 1 秒。(数据帧)
system.time(f(dfdb))
大约需要 2 秒。(tbl_sql)
我当前的函数更长,输入的数据也更大,(data.frame)结果比(tbl_sql)对象快10倍以上。
这是为什么?谁能解释一下。