[R-es] Como puedo reducir el tiempo de ejecución en la siguiente rutina
i@gr@co m@iii@g oii pm@me
i@gr@co m@iii@g oii pm@me
Lun Dic 14 13:46:16 CET 2020
Aunque no entiendo el objetivo final, te apunto un par de cosas, por si te sirven.
Primero probaría lo que te dije de usar data.table y tratar de vectorizar lo máximo.
Luego puedes probar algo así mediante el tidyverse:
tu_dataframe %>%
rowwise(var) %>%
mutate(maximo = max(c_across(starts_with('M')),na.rm = TRUE ))
Tendrás que ajustarlo para el caso de que haya más de un máximo.
Y ya dependiendo de tu lógica de negocio, podrías probar a transformar tu tabla en long, con 4 columnas:
- var
- ref (contendría el nombre de la columna M)
- valor (valor de la columna M)
- casos (cuántas veces aparece cada "valor" para cada "var")
Obtener el/los máximos así es trivial. Y si ya lo metes en una base de datos y ejecutas un par de sentencias sql eso tiene que llevar muy, muy poco tiempo.
Pero tengo la impresión, subjetiva, de que el proceso que has elegido para los cálculos no es el adecuado. Demasiado complicado. Pero como no sé qué significa var, ni las columnas M ni el propósito de elegir así, tampoco te puedo orientar mejor.
A ver si todo esto te ayuda. Suerte.
‐‐‐‐‐‐‐ Original Message ‐‐‐‐‐‐‐
El lunes, 14 de diciembre de 2020 a las 12:24, Carlos Santos <carlossantos.csm using gmail.com> escribió:
> gracias por tus comentarios.
>
> lo que dices es asi, excepto cuando hay varios máximos iguales entonces se ejecuta f5 para saber cual de ellos es el elegido, y a continuación se hace lo mismo que has puesto en la frase, es decir elegir el valor de la columna var que ocupa dicha posición del elegido
>
> gracias de todas formas, cualquier ayuda y comentario es de agradecer
>
> El lun, 14 dic 2020 a las 12:05, <l.graco using pm.me> escribió:
>
>> Te quería echar una mano pero no veo el objetivo del proceso.
>>
>> A ver si lo voy entendiendo: "Supongamos que tenemos esta matriz, se quiere conseguir para el mayor valor por fila tomar el valor de la posición que ocupa la primera columna "Var" en base a la columna elegida y si hay varios valores máximos iguales, entonces ejecutar la función "f5" para elegir una y según valor máximo obtenido proceder de la misma manera que antes."
>>
>> ¿Con eso quieres decir que buscas en la fila el valor máximo de las columnas MX... (supongamos que es la columna MZ) y seleccionas el valor de la columna var que ocupa dicha posición (la posición Z en este caso?. ¿Y en caso de varios máximos eliges una de las columnas candidatas mediante la función f5?. Y esa función f5 contiene una llamada a cohend, nada más.
>>
>> No sé, no acabo de entender la lógica de todo el proceso. Pero así, a oscuras, data.table es más eficiente manejando grandes volúmenes de datos y hacer un repeat tal vez no sea lo más rápido, sino aplicar vectorización allá donde se pueda.
>>
>> Siento no poder ayudar más. Ánimo.
>>
>> ‐‐‐‐‐‐‐ Original Message ‐‐‐‐‐‐‐
>>
>> El lunes, 14 de diciembre de 2020 a las 10:31, Carlos Santos <carlossantos.csm using gmail.com> escribió:
>>
>>> gracias Emilio por tu ayuda, la selección es por fila, no por variable
>>>
>>> He intentado discriminar cuando solo encuentra una posición en la fila que
>>>
>>> es el máximo, pero el ahorro de tiempo no es mucho aunque algo es algo
>>>
>>> Creo que el tiempo se consume en la parte del ELSE, y aunque entiendo que
>>>
>>> se tiene que leer toda la matriz fila a fila, no veo cómo hacer que consuma
>>>
>>> menos tiempo
>>>
>>> Solo me quedaría probar dividir la matriz en trozos, para ver si en proceso
>>>
>>> paralelo podría consumir menos tiempo, ya que cada fila es independiente de
>>>
>>> otra fila.
>>>
>>> if (smc == 1) {
>>>
>>> data1$Clus.Multi.OPTIMO[fila] <-
>>>
>>> data1$Clus.Multi.MAX[max(data2[fila,(3:(rr+2))])]
>>>
>>> } else {
>>>
>>> RECEPTOR$clus <-
>>>
>>> data2[which(as.vector(t(data2[fila,])[,1])==max(data2[fila,(3:(rr+2))]))-2,1][1]$Var
>>>
>>> RECEPTOR$dist <- mclapply((1:smc),f5) %>% unlist()
>>>
>>> data1$Clus.Multi.OPTIMO[which(data1$Clus.Multi.MAX == EMISOR)] <-
>>>
>>>
>>> RECEPTOR[which.max(RECEPTOR[,2]),1]
>>>
>>> }
>>>
>>> Muchas gracias de nuevo Emilio
>>>
>>> Un saludo
>>>
>>> El lun, 14 dic 2020 a las 8:08, Emilio L. Cano (emilopezcano using gmail.com)
>>>
>>> escribió:
>>>
>>> > Hola,
>>> >
>>> > Para la primera parte (seleccionar los valores más altos de una variable)
>>> >
>>> > yo usaría dplyr::slice_max(). Creo que eso debería ser rápido y con el
>>> >
>>> > filtro hecho lo demás debería ser trivial. Si he entendido bien el problema.
>>> >
>>> > Un saludo,
>>> >
>>> > Emilio
>>> >
>>> > El 13 dic 2020, a las 15:31, Carlos Santos carlossantos.csm using gmail.com
>>> >
>>> > escribió:
>>> >
>>> > Perdón Carlos, con las prisas se me olvidó por completo añadir lo que
>>> >
>>> > > faltaba, tienes toda la razón
>>> > >
>>> > > Supongamos que tenemos esta matriz, se quiere conseguir para el mayor
>>> > >
>>> > > valor por fila tomar el valor de la posición que ocupa la primera
>>> > >
>>> > > columna "Var" en base a la columna elegida y si hay varios valores
>>> > >
>>> > > máximos iguales, entonces ejecutar la función "f5" para elegir una y
>>> > >
>>> > > según valor máximo obtenido proceder de la misma manera que antes.
>>> > >
>>> > > El problema es cuando tengo matrices de 3000x3000 o 10000x10000, y
>>> > >
>>> > > además los dígitos de la columna primera son superiores al puesto en este
>>> > >
>>> > > ejemplo, entonces el tiempo de calculo es excesivo.
>>> > >
>>> > > <image.png>
>>> > >
>>> > > codigo:
>>> >
>>> > > f5 <- function(x){data1 %>% filter(Clus.Multi.OPTIMO %in%
>>> > >
>>> > > c(EMISOR,RECEPTOR[x])) %>%
>>> > >
>>> > > dplyr::select(1:numvar+1) %>% data.matrix() %>% CohenD()}
>>> > >
>>> > > fila = 1
>>> > >
>>> > > rr = nrow(data2)
>>> > >
>>> > > data1 <- data1 %>% mutate(Clus.Multi.OPTIMO=Clus.Multi.MAX)
>>> > >
>>> > > repeat{
>>> > >
>>> > > smc <-
>>> > >
>>> > > sum(data2[fila,((2+fila):(nrow(data2)+2))]==max(data2[fila,((2+fila):(nrow(data2)+2))]))
>>> > >
>>> > > EMISOR <- data2[fila,1]$Var
>>> > >
>>> > > RECEPTOR <-
>>> > >
>>> > > data2[which(as.vector(t(data2[fila,])[,1])==max(data2[fila,((2+fila):(nrow(data2)+2))]))-2,1]$Var
>>> > >
>>> > > Rmax <- RECEPTOR[mclapply((1:smc),f5) %>% unlist() %>% which.max()]
>>> > >
>>> > > data1$Clus.Multi.OPTIMO[which(data1$Clus.Multi.MAX ==
>>> > >
>>> > > data2[fila,1]$Var)] <- Rmax
>>> > >
>>> > > fila = fila + 1
>>> > >
>>> > > if (fila == rr) {break}
>>> > >
>>> > > }
>>> >
>>> > > https://www.avast.com/sig-email?utm_medium=email&utm_source=link&utm_campaign=sig-email&utm_content=webmail Libre
>>> > >
>>> > > de virus. www.avast.com
>>> > >
>>> > > https://www.avast.com/sig-email?utm_medium=email&utm_source=link&utm_campaign=sig-email&utm_content=webmail
>>> > >
>>> > > El dom, 13 dic 2020 a las 12:49, Carlos Ortega (cof using qualityexcellence.es)
>>> > >
>>> > > escribió:
>>> > >
>>> > > > Hola,
>>> > > >
>>> > > > Mejor si pones un ejemplo de tu matriz y cuentas lo que quieres hacer...
>>> > > >
>>> > > > El enfoque puede ser muy diferente al que has planteado.
>>> > > >
>>> > > > Gracias,
>>> > > >
>>> > > > Calros Ortega
>>> > > >
>>> > > > www.qualityexcellence.es
>>> > > >
>>> > > > El dom, 13 dic 2020 a las 12:33, Carlos Santos (<
>>> > > >
>>> > > > carlossantos.csm using gmail.com>) escribió:
>>> > > >
>>> > > > > Buen dia,
>>> > > > >
>>> > > > > Tengo un problema cuando ejecuto la siguiente rutina, porque con una
>>> > > > >
>>> > > > > matriz
>>> > > > >
>>> > > > > muy grande el tiempo de ejecución se va a bastantes horas.
>>> > > > >
>>> > > > > Cualquier idea para mejorarlo y reducir significativamente el tiempo,
>>> > > > >
>>> > > > > estaría muy agradecido
>>> > > > >
>>> > > > > Muchas gracias por vuestra ayuda
>>> > > > >
>>> > > > > #_____________________________________________________________________________________
>>> > > > >
>>> > > > > f5 <- function(x){data1 %>% filter(Clus.Multi.OPTIMO %in%
>>> > > > >
>>> > > > > c(EMISOR,RECEPTOR[x])) %>%
>>> > > > >
>>> > > > > dplyr::select(1:numvar+1) %>% data.matrix() %>% CohenD()}
>>> > > > >
>>> > > > > fila = 1
>>> > > > >
>>> > > > > rr = nrow(data2)
>>> > > > >
>>> > > > > repeat{
>>> > > > >
>>> > > > > smc <-
>>> > > > >
>>> > > > > sum(data2[fila,((2+fila):(nrow(data2)+2))]==max(data2[fila,((2+fila):(nrow(data2)+2))]))
>>> > > > >
>>> > > > > EMISOR <- data2[fila,1]$Var
>>> > > > >
>>> > > > > RECEPTOR <-
>>> > > > >
>>> > > > > data2[which(as.vector(t(data2[fila,])[,1])==max(data2[fila,((2+fila):(nrow(data2)+2))]))-2,1]$Var
>>> > > > >
>>> > > > > Rmax <- RECEPTOR[mclapply((1:smc),f5) %>% unlist() %>% which.max()]
>>> > > > >
>>> > > > > data1$Clus.Multi.OPTIMO[which(data1$Clus.Multi.MAX ==
>>> > > > >
>>> > > > >
>>> > > > > data2[fila,1]$Var)] <- Rmax
>>> > > > >
>>> > > > > fila = fila + 1
>>> > > > >
>>> > > > > if (fila == rr) {break}
>>> > > > >
>>> > > > > }
>>> > > > >
>>> > > > > <
>>> > > > >
>>> > > > > https://www.avast.com/sig-email?utm_medium=email&utm_source=link&utm_campaign=sig-email&utm_content=webmail
>>> > > > >
>>> > > > > Libre
>>> > > > >
>>> > > > > de virus. www.avast.com
>>> > > > >
>>> > > > > <
>>> > > > >
>>> > > > > https://www.avast.com/sig-email?utm_medium=email&utm_source=link&utm_campaign=sig-email&utm_content=webmail
>>> > > > >
>>> > > > > <#DAB4FAD8-2DD7-40BB-A1B8-4E2AA1F9FDF2>
>>> > > > >
>>> > > > > [[alternative HTML version deleted]]
>>> > > > >
>>> > > > >
>>> > > > > R-help-es mailing list
>>> > > > >
>>> > > > > R-help-es using r-project.org
>>> > > > >
>>> > > > > https://stat.ethz.ch/mailman/listinfo/r-help-es
>>> > > >
>>> > > > --
>>> > > >
>>> > > > Saludos,
>>> > > >
>>> > > > Carlos Ortega
>>> > > >
>>> > > > www.qualityexcellence.es
>>> >
>>> > R-help-es mailing list
>>> >
>>> > R-help-es using r-project.org
>>> >
>>> > https://stat.ethz.ch/mailman/listinfo/r-help-es
>>>
>>> [[alternative HTML version deleted]]
>>>
>>> R-help-es mailing list
>>>
>>> R-help-es using r-project.org
>>>
>>> https://stat.ethz.ch/mailman/listinfo/r-help-es
>
> https://www.avast.com/sig-email?utm_medium=email&utm_source=link&utm_campaign=sig-email&utm_content=webmail Libre de virus. [www.avast.com](https://www.avast.com/sig-email?utm_medium=email&utm_source=link&utm_campaign=sig-email&utm_content=webmail) #DAB4FAD8-2DD7-40BB-A1B8-4E2AA1F9FDF2
[[alternative HTML version deleted]]
Más información sobre la lista de distribución R-help-es