Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

Slower `fsetdiff` vs `dplyr::setdiff`

Aperta
  • Qualcosa non va?
#7,783 3 commenti 1 reazione 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
4/5
Tempo stimato
3-5 giorni
Idoneità per principianti
48/100
Tipo di issue
Bug
Chiarezza
Abbastanza chiara
Stato di attività
Tranquilla
Stack tecnologico
r
Ambito
performance

Direzione di ricerca

Start by reproducing the issue's bench::mark comparison between data.table::fsetdiff and dplyr::setdiff using the supplied data.table inputs. Trace the fsetdiff implementation and compare the relevant work with the benchmarked alternative. Done means preserving fsetdiff's results while measurably reducing its runtime and memory allocation on this example.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

atime

This came up after code profiling where a loop was calling fsetdiff in each pass among other things.

library(data.table)

olddt <- data.table::data.table(a = paste0(1:10000, "a"))
newdt <- data.table::data.table(a = paste0(1:10010, "a"))


bench::mark(DT = data.table::fsetdiff(newdt, olddt),
            DPLYR = dplyr::setdiff(newdt, olddt),
            min_iterations = 30,
            relative = TRUE)[, 1:5]
# A tibble: 2 × 5
  expression     min  median `itr/sec` mem_alloc
  <bch:expr>   <dbl>   <dbl>     <dbl>     <dbl>
1 DT         10.7859 11.0259    1        1.81242
2 DPLYR       1       1        10.0019   1  



bench::mark(DT = data.table::fsetdiff(newdt, olddt),
            DPLYR = dplyr::setdiff(newdt, olddt),
            min_iterations = 30,
            relative = FALSE)[, 1:5]

# A tibble: 2 × 5
  expression      min   median `itr/sec` mem_alloc
  <bch:expr> <bch:tm> <bch:tm>     <dbl> <bch:byt>
1 DT           4.77ms   5.66ms   171.193     763KB
2 DPLYR         432µs  505.4µs  1799.31      421KB

Session info

 
sessioninfo::session_info()
#> ─ Session info ───────────────────────────────────────────────────────────────
#>  setting  value
#>  version  R version 4.5.3 (2026-03-11 ucrt)
#>  os       Windows 11 x64 (build 26200)
#>  system   x86_64, mingw32
#>  ui       RTerm
#>  language (EN)
#>  collate  English_United Kingdom.utf8
#>  ctype    English_United Kingdom.utf8
#>  date     2026-06-07
#> 
#> ─ Packages ───────────────────────────────────────────────────────────────────
#>  package     * version date (UTC) lib source
#>  bench         1.1.4   2025-01-16 [1] CRAN (R 4.5.2)
#>  cli           3.6.6   2026-04-09 [1] CRAN (R 4.5.3)
#>  data.table  * 1.18.4  2026-05-06 [1] CRAN (R 4.5.3)
#>  digest        0.6.39  2025-11-19 [1] CRAN (R 4.5.2)
#>  dplyr         1.2.1   2026-04-03 [1] CRAN (R 4.5.3)
#>  evaluate      1.0.5   2025-08-27 [1] CRAN (R 4.5.2)
#>  fastmap       1.2.0   2024-05-15 [1] CRAN (R 4.5.2)
#>  fs            2.1.0   2026-04-18 [1] CRAN (R 4.5.3)
#>  generics      0.1.4   2025-05-09 [1] CRAN (R 4.5.2)
#>  glue          1.8.1   2026-04-17 [1] CRAN (R 4.5.3)
#>  htmltools     0.5.9   2025-12-04 [1] CRAN (R 4.5.2)
#>  knitr         1.51    2025-12-20 [1] CRAN (R 4.5.2)
#>  lifecycle     1.0.5   2026-01-08 [1] CRAN (R 4.5.2)
#>  magrittr      2.0.5   2026-04-04 [1] CRAN (R 4.5.3)
#>  otel          0.2.0   2025-08-29 [1] CRAN (R 4.5.2)
#>  pillar        1.11.1  2025-09-17 [1] CRAN (R 4.5.2)
#>  pkgconfig     2.0.3   2019-09-22 [1] CRAN (R 4.5.2)
#>  profmem       0.7.0   2025-05-02 [1] CRAN (R 4.5.2)
#>  R6            2.6.1   2025-02-15 [1] CRAN (R 4.5.2)
#>  reprex        2.1.1   2024-07-06 [1] CRAN (R 4.5.2)
#>  rlang         1.2.0   2026-04-06 [1] CRAN (R 4.5.3)
#>  rmarkdown     2.31    2026-03-26 [1] CRAN (R 4.5.3)
#>  rstudioapi    0.18.0  2026-01-16 [1] CRAN (R 4.5.2)
#>  sessioninfo   1.2.4   2026-06-04 [1] CRAN (R 4.5.3)
#>  tibble        3.3.1   2026-01-11 [1] CRAN (R 4.5.2)
#>  tidyselect    1.2.1   2024-03-11 [1] CRAN (R 4.5.2)
#>  utf8          1.2.6   2025-06-08 [1] CRAN (R 4.5.2)
#>  vctrs         0.7.3   2026-04-11 [1] CRAN (R 4.5.3)
#>  withr         3.0.2   2024-10-28 [1] CRAN (R 4.5.2)
#>  xfun          0.57    2026-03-20 [1] CRAN (R 4.5.3)
#>  yaml          2.3.12  2025-12-10 [1] CRAN (R 4.5.2)
#> 
#>  [1] C:/Program Files/R/library
#>  [3] C:/Program Files/R/R-4.5.3/library
#>  * ── Packages attached to the search path.
#> 
#> ──────────────────────────────────────────────────────────────────────────────
Lingua principale
R
Stelle
3.9k
Fork
1.1k
Merge medio
15h 51m
PR unite (30g)
3

Preparare l'ambiente

Apri in Codespaces

Avvia il container di sviluppo del progetto nel browser, con il tuo account GitHub.

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di Rdatatable/data.table

Tutte le issue di Rdatatable/data.table

Issue simili

Altre issue su R

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.