为什么使用“[[ ]]”方法来对列表进行子集操作比使用“$？”更快？

Question

我一直在做一些需要对列表进行大量子集操作的项目，通过对代码进行剖析，我发现 object[["nameHere"]] 这种方式通常比 object$nameHere 更快。

以一个创建了具有命名组件的列表为例：

a.long.list <- as.list(rep(1:1000))
names(a.long.list) <- paste0("something",1:1000)

为什么会这样：

system.time (
for (i in 1:10000) {
    a.long.list[["something997"]]
}
)


user  system elapsed 
0.15    0.00    0.16 

比这个速度更快：

system.time (
    for (i in 1:10000) {
        a.long.list$something997
    }
)

user  system elapsed 
0.23    0.00    0.23 

我想知道这种行为是否普遍存在，以及我是否应该尽可能避免使用 $ subset 或者最有效的选择取决于其他因素？

- Jon M

---

我猜想这可能与 $ 符号的部分匹配有关。假设你有一个列表 my_list <- list("a" = 1, "ace" = 2)。如果你尝试 my_list$ac，它会得到 ace，但如果你尝试 my_list[["ac"]]，它会找不到任何东西。 - Frank

不排除部分匹配理论的可能性，但我希望完整的答案能够解释为什么在 OP 的例子中，在 [[ 中添加 exact = FALSE 不会降低性能。 - flodel

值得一提的是，$和[[是由两个完全不同的C函数实现的（均在src/main/subset.c中）。对于$，相关函数是do_subset3，该函数又调用R_subset3_dflt。而[[则使用另一个函数do_subset2，该函数又调用do_subset2_dflt。 - Josh O'Brien

do_subset2之前的注释简单地提到：“[[子集运算符。需要快速执行。” - Josh O'Brien

可能值得一提的是R 3.0.0中的最新变化之一：在数据框上使用$运算符进行部分匹配现在会发出警告，并可能在未来成为无效操作。 如果打算进行部分匹配，请使用foo[["bar", exact = FALSE]]替换foo$bar。 - zap2008

Answer 1

函数[[首先尝试进行完全匹配，如果不行，再尝试进行部分匹配。而$函数会依次对每个元素进行完全和部分匹配。如果执行以下操作：

system.time (
    for (i in 1:10000) {
     a.long.list[["something9973", exact=FALSE]]
     }
)

即，如果您在没有完全匹配的情况下运行部分匹配，您会发现$实际上略微更快。

- Bojan Nikolic

---

我认为这回答了Flodel的澄清问题，即为什么添加exact = FALSE不会降低性能。无论如何，我现在相信，在速度很重要的编程环境中，使用[[会更好，除非存在需要部分匹配的高概率情况（这通常会在我的程序中引入错误而不是解决问题）。 - Jon M

顺便提一下，如果要在一个包含10000个元素的列表中获得>100倍的性能，则可以使用as.environment(a.long.list)将列表转换并在其中执行查找。环境被实现为哈希映射，具有几乎恒定的查找时间。线性列表查找随着大小的增加而变得越来越慢（元素在列表中的位置越靠后）。 - Soren Havelund Welling