cbind vs rbind con data.table

Question

Ho notato che cbind richiede molto più tempo di rbind per data.tables. Qual è la ragione di questo?

> dt <- as.data.table(mtcars)        
> new.dt <- copy(dt)          
> timeit({for (i in 1:100) dt.new <- rbind(dt.new, dt)}) 
    user system elapsed         
    0.237 0.012 0.253         
> new.dt <- copy(dt)          
> timeit({for (i in 1:100) dt.new <- cbind(dt.new, dt)}) 
    user system elapsed         
14.795 0.090 14.912  

Dove

timeit <- function(expr) 
{ 
    ptm <- proc.time() 
    expr 
    proc.time() - ptm 
} 

Answer 1

In definitiva penso che questo si riduce a alloc.col essere lento a causa di un ciclo in cui rimuove vari attributi dalle colonne. Non sono del tutto sicuro del perché sia ​​fatto, forse Arun o Matt possono spiegare.

Come potete vedere qui sotto, le operazioni di base per cbind sono molto più veloce di rbind:

cbind.dt.simple = function(...) { 
    x = c(...) 
    setattr(x, "class", c("data.table", "data.frame")) 
    ans = .Call(data.table:::Calloccolwrapper, x, max(100L, ncol(x) + 64L), FALSE) 
    .Call(data.table:::Csetnamed, ans, 0L) 
} 

library(microbenchmark) 

microbenchmark(rbind(dt, dt), cbind(dt, dt), cbind.dt.simple(dt, dt)) 
#Unit: microseconds 
#     expr  min  lq  mean median  uq  max neval 
#   rbind(dt, dt) 785.318 996.5045 1665.1762 1234.4045 1520.3830 21327.426 100 
#   cbind(dt, dt) 2350.275 3022.5685 3885.0014 3533.7595 4093.1975 21606.895 100 
# cbind.dt.simple(dt, dt) 74.125 116.5290 168.5101 141.9055 180.3035 1903.526 100