以某些表为参数的函数中的向量化

Question

我需要一些关于最佳实践的帮助

我有一个函数 fc_mean_wages() 计算一个值（平均工资）并执行这些任务（粗略地）：

1. 获取工人的月工资作为参数（长度 m 或更短）
2. 如果我没有m工资，我会寻找获得类似替代的方法： 2a.从同一雇主处获得其他工人的中位数， 2b。否则，我会得到该活动的全国平均值
3. 获取 m 指数表，以根据通货膨胀调整工资。
4. 我计算 m 个选定值的加权平均值

我必须与成千上万的工人一起完成这项任务。所以我可以做两件事

1. A.将完整的工资数据库作为参数，使用 ONE 函数调用计算所有数据。
2. 乙。仅将一名工人的工资作为参数，以矢量化方式计算所有工资（例如：wages %>% group_by (worker) %>% mutate(., index_tables, wages, activity_means_table)）

我选择 A 是因为该函数需要计算同一工资数据库的中位数，并且当您必须将大表作为输入时，不知道向量化是否能正常工作。 我的 A 解决方案不是一个很好的函数，它更像是一个单一的过程而不是一个函数形式。

¿可以尝试矢量化此任务吗？ ¿ 是否有更好的绩效调用工资表多次并按工人过滤工人？

Answer 1

显然对于函数来说这是一项非常复杂的任务。

我建议你把它分成更简单的部分。

即使如此，您也无法避免阅读整个表格来执行您提到的查找（在雇主的工资单中查找媒体）。解决方案是分析这些任务中哪些是易变的，哪些不是。

例如，雇主的工资单可能每月更改一次。然后只运行一次查找过程；它不一定是一个函数。 可能需要根据需要过滤所选工人的薪水等其他功能，因此请对其进行功能化。

最后，使用profvis 和microbenchmark 包记录改进并记录复杂的过程。将一次性运行进程从核心中分离出来；以后可以用另一种语言代替，可以委托给 IT 团队，或者由于改进数据库设计或因为数据质量更好而过时。