Dlaczego jest as.Data wolna na wektorze znaków?

Myślę, że po prostu as.Date konwertuje character na Date Poprzez POSIXlt, używając strptime. I wydaje mi się, że jest bardzo powolny.

Aby prześledzić to przez siebie, wpisz as.Date, Następnie methods(as.Date), a następnie spójrz na metodę character.

> as.Date
function (x, ...) 
UseMethod("as.Date")
<bytecode: 0x2cf4b20>
<environment: namespace:base>

> methods(as.Date)
[1] as.Date.character as.Date.date      as.Date.dates     as.Date.default  
[5] as.Date.factor    as.Date.IDate*    as.Date.numeric   as.Date.POSIXct  
[9] as.Date.POSIXlt  
   Non-visible functions are asterisked

> as.Date.character
function (x, format = "", ...) 
{
    charToDate <- function(x) {
        xx <- x[1L]
        if (is.na(xx)) {
            j <- 1L
            while (is.na(xx) && (j <- j + 1L) <= length(x)) xx <- x[j]
            if (is.na(xx)) 
                f <- "%Y-%m-%d"
        }
        if (is.na(xx) || !is.na(strptime(xx, f <- "%Y-%m-%d", 
            tz = "GMT")) || !is.na(strptime(xx, f <- "%Y/%m/%d", 
            tz = "GMT"))) 
            return(strptime(x, f))
        stop("character string is not in a standard unambiguous format")
    }
    res <- if (missing(format)) 
        charToDate(x)
    else strptime(x, format, tz = "GMT")       ####  slow part, I think  ####
    as.Date(res)
}
<bytecode: 0x2cf6da0>
<environment: namespace:base>
> 

Dlaczego as.POSIXlt(Date)$year+1900 jest stosunkowo szybki? Jeszcze raz prześledzić:

> as.POSIXct
function (x, tz = "", ...) 
UseMethod("as.POSIXct")
<bytecode: 0x2936de8>
<environment: namespace:base>

> methods(as.POSIXct)
[1] as.POSIXct.date    as.POSIXct.Date    as.POSIXct.dates   as.POSIXct.default
[5] as.POSIXct.IDate*  as.POSIXct.ITime*  as.POSIXct.numeric as.POSIXct.POSIXlt
   Non-visible functions are asterisked

> as.POSIXlt.Date
function (x, ...) 
{
    y <- .Internal(Date2POSIXlt(x))
    names(y$year) <- names(x)
    y
}
<bytecode: 0x395e328>
<environment: namespace:base>
> 

Zaintrygowani, zagłębimy się w Date2POSIXlt. Dla tego bitu musimy grep main / src, aby wiedzieć, który .plik c do obejrzenia.

~/R/Rtrunk/src/main$ grep Date2POSIXlt *
names.c:{"Date2POSIXlt",do_D2POSIXlt,   0,  11, 1,  {PP_FUNCALL, PREC_FN,   0}},
$

Teraz wiemy, że musimy szukać D2POSIXlt :

~/R/Rtrunk/src/main$ grep D2POSIXlt *
datetime.c:SEXP attribute_hidden do_D2POSIXlt(SEXP call, SEXP op, SEXP args, SEXP env)
names.c:{"Date2POSIXlt",do_D2POSIXlt,   0,  11, 1,  {PP_FUNCALL, PREC_FN,   0}},
$

Datetime.c

Poszukaj tam D2POSIXlt, a zobaczysz, jak proste jest przejście od daty (numerycznej) do POSIXlt. Zobaczysz także, jak POSIXlt to jeden wektor rzeczywisty (8 bajtów) plus siedem wektorów całkowitych (po 4 bajty). To 40 bajtów na datę!

Więc sednem sprawy (myślę) jest to, dlaczego strptime jest tak powolny, i może to można poprawić w R. lub po prostu uniknąć POSIXlt, bezpośrednio lub pośrednio.

> Range = seq(as.Date("2000-01-01"),as.Date("2012-01-01"),by="days")
> Date = format(sample(Range,3000000,replace=TRUE),"%m/%d/%Y")
> system.time(as.Date(Date, "%m/%d/%Y"))
   user  system elapsed 
 21.681   0.060  21.760 
> system.time(strptime(Date, "%m/%d/%Y"))
   user  system elapsed 
 29.594   8.633  38.270 
> system.time(strptime(Date, "%m/%d/%Y", tz="GMT"))
   user  system elapsed 
 19.785   0.000  19.802 

Mijanie tz wydaje się przyspieszać strptime, co as.Date.character robi. Więc może to zależy od Twojej lokalizacji. Ale strptime wydaje się być winowajcą, a nie data.table. Może powtórz ten przykład i sprawdź, czy zajmuje ci to 90 sekund na komputerze?