概要

Rの日付・時間周りの操作で便利なlubridateパッケージがよく使われるが、実際その速度ってどうなのか調べてみた
- というか、上司が調べてた。ので、それを私の方でまとめた。
結果としては、lubridateを使わない方が速かった。

データの準備

> days <- seq(as.POSIXct("2000-1-1 00:00:00"),len=365*24*10, by="1 hour")
> head(days, n=3)
[1] "2000-01-01 00:00:00 JST" "2000-01-01 01:00:00 JST" "2000-01-01 02:00:00 JST"
> tail(days, n=3)
[1] "2009-12-28 21:00:00 JST" "2009-12-28 22:00:00 JST" "2009-12-28 23:00:00 JST"

例：年月日に丸め変換

lubridateを使うパターン

> system.time(day <- floor_date(days, "day"))
   user  system elapsed 
  0.292   0.047   0.346 
> head(day, n=3)
[1] "2000-01-01 JST" "2000-01-01 JST" "2000-01-01 JST"

lubridateを使わないバターン

> system.time(day <- as.POSIXct(trunc(days, 'days')))
   user  system elapsed 
  0.065   0.003   0.070 
> head(day, n=3)
[1] "2000-01-01 JST" "2000-01-01 JST" "2000-01-01 JST"

思ってたより差があった。

例：時間(hour)の抽出

lubridateを使うパターン

> system.time(hours <- hour(days))
   user  system elapsed 
  0.058   0.002   0.061 
> head(hours, n=3)
[1] 0 1 2

lubridateを使わないバターン

> system.time(hours <- as.integer(as.POSIXlt(days)$hour))
   user  system elapsed 
  0.029   0.005   0.034 
> head(hours, n=3)
[1] 0 1 2

少しの差だが、使わないパターンの方が速い。

まとめ

数十万単位のベクトルでは、さらに差が広がった。
ただし、可読性という点では、lubridateはとても良いと思う。
速度を気にするなら、使わないパターンもおさせておくと良いかも。
ちなみに、自社の分析チームでは、可読性向上のため、独自の日付・時間操作関数を独自パッケージで運用している。

参考