R byrowしないならmatrixよりdim<-の方が速そう

Abstract

シミュレーションとかで何万回～も回す人向け。Rで行列を作るときに、要素をbyrowで入れないなら`dim<-`()使う方が速い。

Pacakges

pacman::p_load(
  tidyverse,
  microbenchmark,
  bench
)

Background

Rで行列を作るとき、matrix()でも`dim<-`()でも作れるのですが、どっちが速いのかなーと比べたくなりました。シミュレーションで1条件当たり何万回～も回すときは少しでも速い方がいいのです。

前にちょこっとやったものの条件をもっと増やしてみました。

Rの備忘録
2x2と3x3しかやってないけど、byrowで入れないならmatrixよりもdim<-の方が速そう pic.twitter.com/17emiEOTyQ
— Takuto SAKAI (@tsakai_psych) March 22, 2026

`matrix()`

ベクトルを行列にできます。引数nrowで行数を指定するか、引数ncolで列数を指定します。

matrix(1:4, nrow = 2)

     [,1] [,2]
[1,]    1    3
[2,]    2    4

行数や列数を指定しない場合、n行1列の行列ができます。

matrix(1:4)

     [,1]
[1,]    1
[2,]    2
[3,]    3
[4,]    4

基本的には列方向にベクトルを入れていくようですが、引数byrowをTRUEにすると行方向にベクトルを入れられます。

matrix(1:4, nrow = 2, byrow = TRUE)

     [,1] [,2]
[1,]    1    2
[2,]    3    4

引数dimnamesにlist(行名のベクトル, 列名のベクトル)を入れることで、行名と列名を設定できます。いらないところはNULLを入れると設定されません。

matrix(
  1:4,
  nrow = 2,
  dimnames = list(c("r1", "r2"), c("c1", "c2"))
)

   c1 c2
r1  1  3
r2  2  4

matrix(
  1:4,
  nrow = 2,
  dimnames = list(NULL, c("c1", "c2"))
)

     c1 c2
[1,]  1  3
[2,]  2  4

`dim<-`()

オブジェクトに次元を付与したりなくしたりできます。ふつうはdim(obj) <- valueで使うと思いますが、`dim<-`(obj, value)¹も使えます。後者の記法はパイプラインと相性がいいです。引数valueには整数ベクトルを入れます。行列なら長さ2のベクトルを入れればいいです。

`dim<-`(1:4, c(2, 2))

     [,1] [,2]
[1,]    1    3
[2,]    2    4

オブジェクトの長さと次元数がマッチしない場合はエラーを吐きます。

`dim<-`(1:4, c(2, 4))

Error:
! dims [product 8] do not match the length of object [4]

あと、matrix(..., byrow = TRUE)みたいなことはできないっぽいです、多分。

Benchmark

いつも使っているmicrobenchmark::microbenchmark()と、最近なんとなく使い方がわかってきたbench::mark()でベンチマークを回してみます。実際の場面ではintかnumericを扱う場合が多いと思うので、入力はrunif()で作ることにします。

`microbenchmark`

行数と列数に複数の水準を作りたいので、条件のdfを作って回したいと思います。条件は行列それぞれ1から10までです。1×1は除きます。

df_condition <-
  tidyr::expand_grid(
    nr = 1:10,
    nc = 1:10
  ) |>
  dplyr::filter_out(nr == 1 & nc == 1)

print(df_condition, n = 99)

# A tibble: 99 × 2
      nr    nc
   <int> <int>
 1     1     2
 2     1     3
 3     1     4
 4     1     5
 5     1     6
 6     1     7
 7     1     8
 8     1     9
 9     1    10
10     2     1
11     2     2
12     2     3
13     2     4
14     2     5
15     2     6
16     2     7
17     2     8
18     2     9
19     2    10
20     3     1
21     3     2
22     3     3
23     3     4
24     3     5
25     3     6
26     3     7
27     3     8
28     3     9
29     3    10
30     4     1
31     4     2
32     4     3
33     4     4
34     4     5
35     4     6
36     4     7
37     4     8
38     4     9
39     4    10
40     5     1
41     5     2
42     5     3
43     5     4
44     5     5
45     5     6
46     5     7
47     5     8
48     5     9
49     5    10
50     6     1
51     6     2
52     6     3
53     6     4
54     6     5
55     6     6
56     6     7
57     6     8
58     6     9
59     6    10
60     7     1
61     7     2
62     7     3
63     7     4
64     7     5
65     7     6
66     7     7
67     7     8
68     7     9
69     7    10
70     8     1
71     8     2
72     8     3
73     8     4
74     8     5
75     8     6
76     8     7
77     8     8
78     8     9
79     8    10
80     9     1
81     9     2
82     9     3
83     9     4
84     9     5
85     9     6
86     9     7
87     9     8
88     9     9
89     9    10
90    10     1
91    10     2
92    10     3
93    10     4
94    10     5
95    10     6
96    10     7
97    10     8
98    10     9
99    10    10

ベンチマークを回します。

res_mb <-
  df_condition |>
  dplyr::mutate(
    res = purrr::pmap(
      .l = list(
        x = nr,
        y = nc
      ),
      .f = \(x, y) {
        elements <- runif(x * y)
        microbenchmark::microbenchmark(
          "matrix" = matrix(elements, nrow = x),
          "dim" = `dim<-`(elements, c(x, y)),
          check = "equal"
        )
      },
      .progress = list(
        clear = FALSE,
        show_after = 0,
        format = "{cli::pb_bar} ({cli::pb_percent} in {cli::pb_elapsed})|{cli::pb_eta_str}"
      )
    ) |>
1      setNames(paste0("r", nr, "c", nc))
  )

1: purrr::pmapの戻り値を名前付きにしておくと、後でggplot2::autoplot()するときとかに便利。

■                                (  0% in 1ms)|

■■■■■■■■■■■                      ( 32% in 2.7s)|ETA:  6s

■■■■■■■■■■■■■■■■■■■■■            ( 68% in 5.7s)|ETA:  3s

■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■  (100% in 8.4s)|ETA:  0s

結果は以下の通りです。

res_mb |>
1  reframe(
    temp = purrr::map(
      .x = res,
      .f = \(x) microbenchmark:::summary.microbenchmark(x)
    ),
    .by = c(nr, nc)
  ) |>
  unnest(temp) |>
  print(n = 999)

1: そのままres_mb$resとかdplyr::pull()とかで引っ張ってくると出力が縦に長すぎちゃうので、microbenchmark:::summary.microbenchmark()がdata.frameを返してくるのを利用してdplyr::reframe()して多少短くします。（条件が多くて時間がかかるのであんまり意味はなさそうですが…。）

# A tibble: 198 × 11
       nr    nc expr     min    lq  mean median    uq   max neval cld  
    <int> <int> <fct>  <dbl> <dbl> <dbl>  <dbl> <dbl> <dbl> <dbl> <chr>
  1     1     2 matrix   800   800   939    800   900  7200   100 "a " 
  2     1     2 dim      200   300   322    300   300  2500   100 " b" 
  3     1     3 matrix   800   800  1229   1000  1500  6300   100 "a " 
  4     1     3 dim      200   300   400    400   500  2000   100 " b" 
  5     1     4 matrix   700   800   905    800   900  5400   100 "a " 
  6     1     4 dim      200   300   334    300   300  4400   100 " b" 
  7     1     5 matrix   700   800   907    800   900  4900   100 "a " 
  8     1     5 dim      200   300   342    300   300  4000   100 " b" 
  9     1     6 matrix   700   800   894    800   900  4800   100 "a " 
 10     1     6 dim      200   300   332    300   300  3700   100 " b" 
 11     1     7 matrix   700   800   932    800   900  5400   100 "a " 
 12     1     7 dim      200   300   340    300   300  4400   100 " b" 
 13     1     8 matrix   700   800  1035    800   900  5400   100 "a " 
 14     1     8 dim      200   300   375    300   300  3600   100 " b" 
 15     1     9 matrix   700   800   924    800   900  6000   100 "a " 
 16     1     9 dim      200   300   329    300   300  2000   100 " b" 
 17     1    10 matrix   700   800   921    800   900  5600   100 "a " 
 18     1    10 dim      200   300   313    300   300  1700   100 " b" 
 19     2     1 matrix   700   800   893    800   900  5200   100 "a " 
 20     2     1 dim      200   300   305    300   300  1800   100 " b" 
 21     2     2 matrix   700   800   911    800   900  4800   100 "a " 
 22     2     2 dim      200   200   307    300   300  2800   100 " b" 
 23     2     3 matrix   700   800   913    800   900  5000   100 "a " 
 24     2     3 dim      200   200   309    300   300  3000   100 " b" 
 25     2     4 matrix   700   800  1790    800   900 90000   100 "a"  
 26     2     4 dim      200   300   334    300   300  3300   100 "a"  
 27     2     5 matrix   700   800   994    800   900  6300   100 "a " 
 28     2     5 dim      200   300   399    300   300  5800   100 " b" 
 29     2     6 matrix   700   800  1055    900  1000  4100   100 "a " 
 30     2     6 dim      200   300   369    300   400  2400   100 " b" 
 31     2     7 matrix   800   800   913    800   900  3600   100 "a " 
 32     2     7 dim      200   300   309    300   300  1400   100 " b" 
 33     2     8 matrix   700   800   881    800   900  3700   100 "a " 
 34     2     8 dim      200   300   319    300   300  2500   100 " b" 
 35     2     9 matrix  1300  1600  1853   1700  1800 10300   100 "a " 
 36     2     9 dim      400   600   880    600   700 15400   100 " b" 
 37     2    10 matrix   800   900  1001    900  1000  4800   100 "a " 
 38     2    10 dim      200   300   385    400   400  1700   100 " b" 
 39     3     1 matrix   700   800   878    800   900  3200   100 "a " 
 40     3     1 dim      200   200   299    300   300  2000   100 " b" 
 41     3     2 matrix   700   800   917    800   900  4700   100 "a " 
 42     3     2 dim      200   200   304    300   300  1700   100 " b" 
 43     3     3 matrix   700   800   903    800   900  4900   100 "a " 
 44     3     3 dim      200   300   335    300   300  3200   100 " b" 
 45     3     4 matrix   700   800   930    800   900  6200   100 "a " 
 46     3     4 dim      200   300   320    300   300  1900   100 " b" 
 47     3     5 matrix   700   800   892    800   900  3300   100 "a " 
 48     3     5 dim      200   300   302    300   300  1200   100 " b" 
 49     3     6 matrix   800   900  1182    900  1400  4500   100 "a " 
 50     3     6 dim      300   300   608    400   550  8900   100 " b" 
 51     3     7 matrix   800  1000  1575   1300  1750 15000   100 "a " 
 52     3     7 dim      300   400   884    500   700 17100   100 " b" 
 53     3     8 matrix   800   900  1189    900  1000 17300   100 "a " 
 54     3     8 dim      200   300   408    400   400  2400   100 " b" 
 55     3     9 matrix   800   900  1237   1000  1100 16000   100 "a " 
 56     3     9 dim      300   300   477    400   400  2400   100 " b" 
 57     3    10 matrix   800   900  1043    900  1000  5400   100 "a " 
 58     3    10 dim      200   300   599    400   400  7300   100 " b" 
 59     4     1 matrix   700   800   895    800   900  5000   100 "a " 
 60     4     1 dim      200   200   296    300   300  1900   100 " b" 
 61     4     2 matrix   700   800   914    800   900  5300   100 "a " 
 62     4     2 dim      200   300   311    300   300  1700   100 " b" 
 63     4     3 matrix   800   800   890    800   900  2100   100 "a " 
 64     4     3 dim      200   300   318    300   300  1600   100 " b" 
 65     4     4 matrix   800   800  1092    900  1100  4900   100 "a " 
 66     4     4 dim      200   300   386    300   400  1800   100 " b" 
 67     4     5 matrix   800   900   987    900  1000  4400   100 "a " 
 68     4     5 dim      200   300   425    400   400  3700   100 " b" 
 69     4     6 matrix   800   900  1174    900  1000 14500   100 "a " 
 70     4     6 dim      300   300   443    400   400  5700   100 " b" 
 71     4     7 matrix   800   900  1056    900  1000  4900   100 "a " 
 72     4     7 dim      300   300   584    400   400  5600   100 " b" 
 73     4     8 matrix   800   900   998    900  1000  3500   100 "a " 
 74     4     8 dim      200   300   385    400   400  2900   100 " b" 
 75     4     9 matrix   800   900  1063   1000  1000  3700   100 "a " 
 76     4     9 dim      300   300   593    400   400 10500   100 " b" 
 77     4    10 matrix   800   900  1350   1000  1100 16100   100 "a " 
 78     4    10 dim      300   300   469    400   400  7500   100 " b" 
 79     5     1 matrix   700   800   908    800   900  4400   100 "a " 
 80     5     1 dim      200   250   299    300   300  1500   100 " b" 
 81     5     2 matrix   800   800   913    800   900  4000   100 "a " 
 82     5     2 dim      200   300   335    300   300  3000   100 " b" 
 83     5     3 matrix   700   800   911    800   900  5000   100 "a " 
 84     5     3 dim      200   300   305    300   300  1900   100 " b" 
 85     5     4 matrix   800   900   947    900  1000  2900   100 "a " 
 86     5     4 dim      200   300   383    400   400  2600   100 " b" 
 87     5     5 matrix   800   900  1153    900  1000 15900   100 "a " 
 88     5     5 dim      300   300   419    400   400  2200   100 " b" 
 89     5     6 matrix   800   900  1285    900  1100 13800   100 "a " 
 90     5     6 dim      200   300   482    400   400  2700   100 " b" 
 91     5     7 matrix   800   900  1126    900  1000 10100   100 "a " 
 92     5     7 dim      200   300   428    400   400  2500   100 " b" 
 93     5     8 matrix   800   900  1224    900  1100  7600   100 "a " 
 94     5     8 dim      200   300   590    400   400 12800   100 " b" 
 95     5     9 matrix   800   900  1146   1000  1100  3500   100 "a " 
 96     5     9 dim      200   300   623    400   400 12400   100 " b" 
 97     5    10 matrix   800   900  1175   1000  1100  4500   100 "a " 
 98     5    10 dim      200   300   545    400   400 10900   100 " b" 
 99     6     1 matrix   700   800   938    800   900  4600   100 "a " 
100     6     1 dim      200   300   341    300   300  2800   100 " b" 
101     6     2 matrix   700   800   894    800   900  3300   100 "a " 
102     6     2 dim      200   300   311    300   300  1800   100 " b" 
103     6     3 matrix   800   900  1131    900  1050 12100   100 "a " 
104     6     3 dim      200   300   397    400   400  1600   100 " b" 
105     6     4 matrix   800   900  1052    900  1000  7900   100 "a " 
106     6     4 dim      200   300   457    400   400  4100   100 " b" 
107     6     5 matrix   800   900  1187    900  1000  7800   100 "a " 
108     6     5 dim      300   300   563    400   400 10200   100 " b" 
109     6     6 matrix   800   900  1060    900  1000  8300   100 "a " 
110     6     6 dim      300   300   562    400   400  8100   100 " b" 
111     6     7 matrix   800   900  1129   1000  1050  4800   100 "a " 
112     6     7 dim      200   300   509    400   400  4700   100 " b" 
113     6     8 matrix   800   900  1182   1000  1100  7700   100 "a " 
114     6     8 dim      300   300   460    400   400  2400   100 " b" 
115     6     9 matrix   800   900  1394   1000  1100 11100   100 "a " 
116     6     9 dim      200   300   454    400   400  3100   100 " b" 
117     6    10 matrix   800   900  1125    950  1000  6700   100 "a " 
118     6    10 dim      200   300   549    400   400  9400   100 " b" 
119     7     1 matrix   700   800   959    800   900  8000   100 "a " 
120     7     1 dim      200   300   377    300   300  6000   100 " b" 
121     7     2 matrix   800   800   917    800   900  5700   100 "a " 
122     7     2 dim      200   300   310    300   300  2000   100 " b" 
123     7     3 matrix   800   900  1048    900  1000  7500   100 "a " 
124     7     3 dim      200   300   423    400   400  4400   100 " b" 
125     7     4 matrix   800   900  1218   1000  1150  7200   100 "a " 
126     7     4 dim      200   300   591    400   500 12900   100 " b" 
127     7     5 matrix   800   900  1024    900  1000  4400   100 "a " 
128     7     5 dim      200   300   541    400   400  9100   100 " b" 
129     7     6 matrix   800   900  1065    900  1000  8400   100 "a " 
130     7     6 dim      200   300   415    400   400  2900   100 " b" 
131     7     7 matrix   800   900  1245   1000  1100  9600   100 "a " 
132     7     7 dim      200   300   461    400   400  2200   100 " b" 
133     7     8 matrix   800   900  1158    900  1100  5500   100 "a " 
134     7     8 dim      300   300   779    400   500 10300   100 " b" 
135     7     9 matrix   800   900  1173   1000  1100  6100   100 "a " 
136     7     9 dim      200   300   491    400   450  2900   100 " b" 
137     7    10 matrix   800   900  1275   1000  1200  7100   100 "a " 
138     7    10 dim      200   300   617    400   400  2900   100 " b" 
139     8     1 matrix   700   800   908    800   900  3700   100 "a " 
140     8     1 dim      200   300   445    300   300 14800   100 " b" 
141     8     2 matrix   700   800   918    800   900  5000   100 "a " 
142     8     2 dim      200   300   302    300   300  1900   100 " b" 
143     8     3 matrix   800   900  1020    900  1000  4700   100 "a " 
144     8     3 dim      200   300   483    400   400  6500   100 " b" 
145     8     4 matrix   800   900  1132    900  1000  8200   100 "a " 
146     8     4 dim      200   300   427    400   400  2400   100 " b" 
147     8     5 matrix   800   900  1130    900  1000  5500   100 "a " 
148     8     5 dim      200   300   705    400   400 10700   100 " b" 
149     8     6 matrix   800   900  1224   1000  1000  8900   100 "a " 
150     8     6 dim      200   300   401    400   400  2200   100 " b" 
151     8     7 matrix   800   900  1204    900  1000 10600   100 "a " 
152     8     7 dim      300   300   615    400   400 14700   100 " b" 
153     8     8 matrix   800   900  1014    900  1000  5300   100 "a " 
154     8     8 dim      200   300   692    400   400 10900   100 " b" 
155     8     9 matrix   800   900  1385   1000  1100 11400   100 "a " 
156     8     9 dim      200   300   626    400   400  5200   100 " b" 
157     8    10 matrix   800   900  1383   1000  1100 10000   100 "a " 
158     8    10 dim      300   300   618    400   400  5700   100 " b" 
159     9     1 matrix   700   800   919    800   900  5500   100 "a " 
160     9     1 dim      200   300   349    300   300  4600   100 " b" 
161     9     2 matrix   800   900  1013    900  1000  4300   100 "a " 
162     9     2 dim      300   300   481    400   400  6000   100 " b" 
163     9     3 matrix   800   900  1195    900  1000 15500   100 "a " 
164     9     3 dim      200   300   488    400   400  4100   100 " b" 
165     9     4 matrix   800   900  1166    900  1100 10900   100 "a " 
166     9     4 dim      200   300   428    400   400  3000   100 " b" 
167     9     5 matrix   800   900  1200   1000  1000  8400   100 "a " 
168     9     5 dim      200   300   527    400   400  4400   100 " b" 
169     9     6 matrix   800   900  1192   1000  1100  7200   100 "a " 
170     9     6 dim      200   300   637    400   400  7800   100 " b" 
171     9     7 matrix   800   900  1252   1000  1150  6600   100 "a " 
172     9     7 dim      300   300   678    400   500 10500   100 " b" 
173     9     8 matrix   800   900  1135   1000  1100  6300   100 "a " 
174     9     8 dim      300   300   654    400   400 12900   100 " b" 
175     9     9 matrix   800   900  1343   1000  1200  7400   100 "a " 
176     9     9 dim      200   300   750    400   450 15700   100 " b" 
177     9    10 matrix   800   900  2079   1000  1200 80900   100 "a"  
178     9    10 dim      200   300   701    400   400 11500   100 "a"  
179    10     1 matrix   700   800   893    800   900  4000   100 "a " 
180    10     1 dim      200   300   320    300   300  1900   100 " b" 
181    10     2 matrix   800   900  1037    900  1000  8400   100 "a " 
182    10     2 dim      200   300   396    400   400  2400   100 " b" 
183    10     3 matrix   800   900  1100    900  1000  7000   100 "a " 
184    10     3 dim      200   300   468    400   400  2700   100 " b" 
185    10     4 matrix   800   900  1186    900  1100  5700   100 "a " 
186    10     4 dim      300   300   556    400   400  9800   100 " b" 
187    10     5 matrix   800   900  1145   1000  1100  6400   100 "a " 
188    10     5 dim      200   300   468    300   400  2800   100 " b" 
189    10     6 matrix   800   900  1091   1000  1000  8300   100 "a " 
190    10     6 dim      200   300   535    400   400  8500   100 " b" 
191    10     7 matrix   800   900  1267    950  1050  7900   100 "a " 
192    10     7 dim      200   300   597    400   400  4300   100 " b" 
193    10     8 matrix   800   900  1496   1000  1100  8500   100 "a " 
194    10     8 dim      200   300   532    400   400  2900   100 " b" 
195    10     9 matrix   800   900  1276   1000  1200  7600   100 "a " 
196    10     9 dim      200   300   650    400   500 11000   100 " b" 
197    10    10 matrix   800   900  1366   1000  1200 10700   100 "a " 
198    10    10 dim      300   300   622    400   400  8700   100 " b"

どの条件でもmatrix()に比べて`dim<-`()の方が2～3倍くらい速いですが、結果の単位はナノ秒なので、1回実行するときには体感できる差はないですね。何万回以上も回すとなると地味に変わってくると思います。

結果のグラフ化も可能です。列数ごとに分割してggplot2::autoplotを使います。microbenchmark::microbenchmark()の戻り値に対してはmicrobenchmark:::autoplot.microbenchmark()が適用されます。

res_mb |>
  dplyr::group_by(nr) |>
  dplyr::group_walk(
    .f = \(x, idx) {
      x |>
        dplyr::pull(res) |>
        purrr::imap(
          .f = \(y, idx) {
1            ggplot2::autoplot(y) +
              ggplot2::labs(title = idx) 
          }
        ) |>
        patchwork::wrap_plots(
          ncol = 5,
          byrow = TRUE,
          axes = "collect_y",
          axis_titles = "collect"
        ) |>
2        print()
    }
  )

1: autoplot.microbenchmark()内部の関数がggplot2側でdeprecatedになったものがあるらしく、警告が出ます。
2: dplyr::group_map()にすると、戻り値でインデックスがレンダリングされるので、dplyr::group_walk()にしてplotだけ無理やり表示させました。

どの条件でも`dim<-`()の方が速いように見受けられます。

`bench`

最近使い方をなんとなく覚えてきました。bench::mark()はベンチマーク時間を設定できたり、メモリアロケーションも出してくれたりするところがいいです。あと、デフォルトで出力が一致しているかどうかチェックしてくれます。bench::mark()を複数条件で実行したいときはbench::press()を併用します。bench::press()では、パラメーター（条件）を名前付きで指定して、名前なしのexprとして{}の中でbench::mark()を実行するという感じです。普通にやるならこんな感じになると思います。

bench::press(
1  nr = 2:5,
  nc = 2:5,
2  {
    elements <- runif(nr * nc)
    bench::mark(
      "matrix" = matrix(elements, nrow = nr),
      "dim" = `dim<-`(elements, c(nr, nc))
    )
  }
)

1: 条件を列挙する。tidyr::expand_grid()っぽく展開される（けど、中で使っているのはexpand.grid()だった）。
2: {}の中では単発のbench::mark()っぽく記述すればいいです。

今回は条件のdfをすでに作ってあるので、それを引数.gridに渡せばいいです。

res_bm <- bench::press(
  .grid = df_condition,
  {
    elements <- runif(nr * nc)
    bench::mark(
      "matrix" = matrix(elements, nrow = nr),
      "dim" = `dim<-`(elements, c(nr, nc))
    )
  }
)

結果は以下の通りです。まとめるのが面倒なのでそのまま出します。

print(res_bm, n = 999)

# A tibble: 198 × 15
    expression    nr    nc      min   median `itr/sec` mem_alloc `gc/sec` n_itr  n_gc total_time
    <bch:expr> <int> <int> <bch:tm> <bch:tm>     <dbl> <bch:byt>    <dbl> <int> <dbl>   <bch:tm>
  1 matrix         1     2    900ns    1.1µs   776121.        0B     77.6  9999     1    12.88ms
  2 dim            1     2    300ns    400ns  2330025.        0B      0   10000     0     4.29ms
  3 matrix         1     3    900ns    1.1µs   779466.        0B      0   10000     0    12.83ms
  4 dim            1     3    300ns    400ns  2349072.        0B      0   10000     0     4.26ms
  5 matrix         1     4    800ns      1µs   923728.        0B      0   10000     0    10.83ms
  6 dim            1     4    300ns    400ns  2435282.        0B      0   10000     0     4.11ms
  7 matrix         1     5    800ns    1.1µs   763061.        0B     76.3  9999     1     13.1ms
  8 dim            1     5    300ns    400ns  1953774.        0B      0   10000     0     5.12ms
  9 matrix         1     6    800ns      1µs   864685.        0B      0   10000     0    11.56ms
 10 dim            1     6    300ns    400ns  2282167.        0B      0   10000     0     4.38ms
 11 matrix         1     7    800ns      1µs   925403.        0B      0   10000     0    10.81ms
 12 dim            1     7    300ns    400ns  2286028.        0B      0   10000     0     4.37ms
 13 matrix         1     8    900ns    1.1µs   771433.        0B     77.2  9999     1    12.96ms
 14 dim            1     8    300ns    400ns  2029427.        0B      0   10000     0     4.93ms
 15 matrix         1     9    800ns      1µs   806686.        0B      0   10000     0     12.4ms
 16 dim            1     9    300ns    400ns  2101591.        0B      0   10000     0     4.76ms
 17 matrix         1    10    900ns      1µs   824416.        0B      0   10000     0    12.13ms
 18 dim            1    10    300ns    400ns  2077145.        0B      0   10000     0     4.81ms
 19 matrix         2     1    900ns    1.6µs   573729.        0B     57.4  9999     1    17.43ms
 20 dim            2     1    300ns    400ns  2236286.        0B      0   10000     0     4.47ms
 21 matrix         2     2    800ns    1.1µs   821693.        0B      0   10000     0    12.17ms
 22 dim            2     2    300ns    400ns  2454048.        0B      0   10000     0     4.08ms
 23 matrix         2     3    800ns    1.1µs   905887.        0B      0   10000     0    11.04ms
 24 dim            2     3    300ns    400ns  2364346.        0B      0   10000     0     4.23ms
 25 matrix         2     4    800ns    1.1µs   913300.        0B      0   10000     0    10.95ms
 26 dim            2     4    300ns    400ns  2136889.        0B      0   10000     0     4.68ms
 27 matrix         2     5    800ns    1.2µs   699255.        0B     69.9  9999     1     14.3ms
 28 dim            2     5    300ns    500ns  1859808.        0B      0   10000     0     5.38ms
 29 matrix         2     6    800ns    1.1µs   910432.        0B      0   10000     0    10.98ms
 30 dim            2     6    300ns    400ns  2147121.        0B      0   10000     0     4.66ms
 31 matrix         2     7    800ns    1.1µs   902332.        0B      0   10000     0    11.08ms
 32 dim            2     7    300ns    400ns  2255198.        0B      0   10000     0     4.43ms
 33 matrix         2     8    800ns      1µs   936330.        0B      0   10000     0    10.68ms
 34 dim            2     8    300ns    400ns  2448340.        0B      0   10000     0     4.08ms
 35 matrix         2     9    900ns    1.1µs   782682.      192B     78.3  9999     1    12.78ms
 36 dim            2     9    300ns    600ns  1656644.      192B      0   10000     0     6.04ms
 37 matrix         2    10    900ns    1.1µs   760104.      208B      0   10000     0    13.16ms
 38 dim            2    10    300ns    400ns  2096700.      208B      0   10000     0     4.77ms
 39 matrix         3     1    800ns      1µs   947625.        0B      0   10000     0    10.55ms
 40 dim            3     1    300ns    400ns  2483855.        0B      0   10000     0     4.03ms
 41 matrix         3     2    800ns      1µs   913109.        0B      0   10000     0    10.95ms
 42 dim            3     2    300ns    400ns  2303139.        0B      0   10000     0     4.34ms
 43 matrix         3     3    800ns      1µs   926612.        0B      0   10000     0    10.79ms
 44 dim            3     3    300ns    400ns  2107715.        0B    211.   9999     1     4.74ms
 45 matrix         3     4    800ns    1.3µs   686507.        0B      0   10000     0    14.57ms
 46 dim            3     4    300ns    400ns  2306273.        0B      0   10000     0     4.34ms
 47 matrix         3     5    800ns    1.1µs   905231.        0B      0   10000     0    11.05ms
 48 dim            3     5    300ns    400ns  2221975.        0B      0   10000     0      4.5ms
 49 matrix         3     6    900ns    1.1µs   898190.      192B      0   10000     0    11.13ms
 50 dim            3     6    300ns    400ns  2195727.      192B      0   10000     0     4.55ms
 51 matrix         3     7    900ns    1.1µs   861868.      216B      0   10000     0     11.6ms
 52 dim            3     7    300ns    400ns  2231695.      216B      0   10000     0     4.48ms
 53 matrix         3     8    900ns    1.5µs   615736.      240B     61.6  9999     1    16.24ms
 54 dim            3     8    300ns    400ns  1962246.      240B      0   10000     0      5.1ms
 55 matrix         3     9    900ns    1.1µs   843320.      264B      0   10000     0    11.86ms
 56 dim            3     9    300ns    400ns  2160527.      264B      0   10000     0     4.63ms
 57 matrix         3    10    900ns    1.1µs   866581.      288B      0   10000     0    11.54ms
 58 dim            3    10    300ns    400ns  2173252.      288B      0   10000     0      4.6ms
 59 matrix         4     1    800ns      1µs   940212.        0B      0   10000     0    10.64ms
 60 dim            4     1    300ns    400ns  2457908.        0B      0   10000     0     4.07ms
 61 matrix         4     2    800ns    1.2µs   708385.        0B     70.8  9999     1    14.12ms
 62 dim            4     2    300ns    600ns  1718567.        0B      0   10000     0     5.82ms
 63 matrix         4     3    800ns      1µs   941566.        0B      0   10000     0    10.62ms
 64 dim            4     3    300ns    400ns  2336176.        0B      0   10000     0     4.28ms
 65 matrix         4     4    800ns    1.1µs   891965.        0B      0   10000     0    11.21ms
 66 dim            4     4    300ns    400ns  2232392.        0B      0   10000     0     4.48ms
 67 matrix         4     5    900ns    1.1µs   883704.      208B      0   10000     0    11.32ms
 68 dim            4     5    300ns    400ns  2186796.      208B      0   10000     0     4.57ms
 69 matrix         4     6    900ns    1.1µs   811541.      240B     81.2  9999     1    12.32ms
 70 dim            4     6    300ns    600ns  1619617.      240B      0   10000     0     6.17ms
 71 matrix         4     7    900ns    1.1µs   751394.      272B      0   10000     0    13.31ms
 72 dim            4     7    300ns    400ns  2193608.      272B      0   10000     0     4.56ms
 73 matrix         4     8    900ns    1.1µs   881275.      304B      0   10000     0    11.35ms
 74 dim            4     8    300ns    400ns  2100443.      304B      0   10000     0     4.76ms
 75 matrix         4     9    900ns    1.1µs   821131.      336B     82.1  9999     1    12.18ms
 76 dim            4     9    300ns    600ns  1563795.      336B      0   10000     0     6.39ms
 77 matrix         4    10    900ns    1.2µs   694252.      368B      0   10000     0     14.4ms
 78 dim            4    10    300ns    500ns  2007025.      368B      0   10000     0     4.98ms
 79 matrix         5     1    800ns      1µs   933925.        0B      0   10000     0    10.71ms
 80 dim            5     1    300ns    400ns  2359548.        0B      0   10000     0     4.24ms
 81 matrix         5     2    800ns      1µs   921175.        0B      0   10000     0    10.86ms
 82 dim            5     2    300ns    400ns  2023270.        0B    202.   9999     1     4.94ms
 83 matrix         5     3    800ns    1.2µs   701754.        0B      0   10000     0    14.25ms
 84 dim            5     3    300ns    400ns  2231197.        0B      0   10000     0     4.48ms
 85 matrix         5     4    900ns    1.1µs   886360.      208B      0   10000     0    11.28ms
 86 dim            5     4    300ns    400ns  2146475.      208B      0   10000     0     4.66ms
 87 matrix         5     5    900ns    1.1µs   868983.      248B      0   10000     0    11.51ms
 88 dim            5     5    300ns    400ns  2143623.      248B      0   10000     0     4.66ms
 89 matrix         5     6    900ns    1.5µs   617799.      288B      0   10000     0    16.19ms
 90 dim            5     6    300ns    400ns  2182215.      288B      0   10000     0     4.58ms
 91 matrix         5     7    900ns    1.1µs   880832.      328B      0   10000     0    11.35ms
 92 dim            5     7    300ns    400ns  2066756.      328B      0   10000     0     4.84ms
 93 matrix         5     8    900ns    1.1µs   887530.      368B     88.8  9999     1    11.27ms
 94 dim            5     8    300ns    400ns  2284722.      368B      0   10000     0     4.38ms
 95 matrix         5     9    900ns    1.1µs   789858.      408B      0   10000     0    12.66ms
 96 dim            5     9    300ns    400ns  2162396.      408B      0   10000     0     4.62ms
 97 matrix         5    10    900ns      1µs   886054.      448B      0   10000     0    11.29ms
 98 dim            5    10    300ns    400ns  2220002.      448B      0   10000     0      4.5ms
 99 matrix         6     1    800ns    900ns   964302.        0B      0   10000     0    10.37ms
100 dim            6     1    300ns    300ns  2687955.        0B      0   10000     0     3.72ms
101 matrix         6     2    800ns    900ns   902104.        0B      0   10000     0    11.09ms
102 dim            6     2    300ns    400ns  2566406.        0B      0   10000     0      3.9ms
103 matrix         6     3    900ns      1µs   884658.      192B      0   10000     0     11.3ms
104 dim            6     3    300ns    400ns  2259427.      192B      0   10000     0     4.43ms
105 matrix         6     4    900ns      1µs   892712.      240B     89.3  9999     1     11.2ms
106 dim            6     4    300ns    400ns  2380896.      240B      0   10000     0      4.2ms
107 matrix         6     5    900ns      1µs   961788.      288B      0   10000     0     10.4ms
108 dim            6     5    300ns    400ns  2357879.      288B      0   10000     0     4.24ms
109 matrix         6     6    900ns      1µs   947382.      336B      0   10000     0    10.55ms
110 dim            6     6    300ns    400ns  2180740.      336B      0   10000     0     4.59ms
111 matrix         6     7    900ns      1µs   892546.      384B      0   10000     0     11.2ms
112 dim            6     7    300ns    400ns  2138123.      384B      0   10000     0     4.68ms
113 matrix         6     8    900ns    1.1µs   780074.      432B      0   10000     0    12.82ms
114 dim            6     8    300ns    500ns  2043611.      432B      0   10000     0     4.89ms
115 matrix         6     9    900ns    1.1µs   858303.      480B      0   10000     0    11.65ms
116 dim            6     9    300ns    500ns  2006340.      480B      0   10000     0     4.98ms
117 matrix         6    10    900ns    1.1µs   872209.      528B     87.2  9999     1    11.46ms
118 dim            6    10    300ns    400ns  2260398.      528B      0   10000     0     4.42ms
119 matrix         7     1    800ns    900ns  1025694.        0B      0   10000     0     9.75ms
120 dim            7     1    300ns    300ns  2763347.        0B      0   10000     0     3.62ms
121 matrix         7     2    800ns    900ns   975220.        0B      0   10000     0    10.25ms
122 dim            7     2    300ns    400ns  2603760.        0B      0   10000     0     3.84ms
123 matrix         7     3    900ns    1.1µs   851230.      216B      0   10000     0    11.75ms
124 dim            7     3    300ns    400ns  2194522.      216B      0   10000     0     4.56ms
125 matrix         7     4    900ns      1µs   887123.      272B      0   10000     0    11.27ms
126 dim            7     4    300ns    400ns  2173724.      272B      0   10000     0      4.6ms
127 matrix         7     5    900ns    1.1µs   891766.      328B      0   10000     0    11.21ms
128 dim            7     5    300ns    500ns  2087639.      328B      0   10000     0     4.79ms
129 matrix         7     6    900ns      1µs   869936.      384B      0   10000     0    11.49ms
130 dim            7     6    300ns    400ns  2333979.      384B    233.   9999     1     4.28ms
131 matrix         7     7    900ns      1µs   923805.      440B      0   10000     0    10.82ms
132 dim            7     7    300ns    400ns  2187179.      440B      0   10000     0     4.57ms
133 matrix         7     8    900ns      1µs   838272.      496B      0   10000     0    11.93ms
134 dim            7     8    300ns    400ns  2111308.      496B      0   10000     0     4.74ms
135 matrix         7     9    900ns    1.1µs   839687.      552B      0   10000     0    11.91ms
136 dim            7     9    300ns    400ns  1916921.      552B      0   10000     0     5.22ms
137 matrix         7    10    900ns      1µs   878959.      608B      0   10000     0    11.38ms
138 dim            7    10    300ns    400ns  2072024.      608B      0   10000     0     4.83ms
139 matrix         8     1    800ns    900ns  1014538.        0B      0   10000     0     9.86ms
140 dim            8     1    300ns    300ns  2754366.        0B      0   10000     0     3.63ms
141 matrix         8     2    800ns    900ns   957864.        0B      0   10000     0    10.44ms
142 dim            8     2    300ns    400ns  2434156.        0B      0   10000     0     4.11ms
143 matrix         8     3    900ns      1µs   921065.      240B      0   10000     0    10.86ms
144 dim            8     3    300ns    400ns  2217590.      240B      0   10000     0     4.51ms
145 matrix         8     4    900ns      1µs   924650.      304B      0   10000     0    10.81ms
146 dim            8     4    300ns    400ns  2189094.      304B      0   10000     0     4.57ms
147 matrix         8     5    900ns    1.1µs   882846.      368B      0   10000     0    11.33ms
148 dim            8     5    300ns    400ns  2056724.      368B      0   10000     0     4.86ms
149 matrix         8     6    900ns    1.1µs   862493.      432B      0   10000     0    11.59ms
150 dim            8     6    300ns    500ns  2011142.      432B      0   10000     0     4.97ms
151 matrix         8     7    900ns      1µs   914545.      496B     91.5  9999     1    10.93ms
152 dim            8     7    300ns    400ns  2227866.      496B      0   10000     0     4.49ms
153 matrix         8     8    900ns      1µs   818451.      560B      0   10000     0    12.22ms
154 dim            8     8    300ns    400ns  2161228.      560B      0   10000     0     4.63ms
155 matrix         8     9    900ns      1µs   893400.      624B      0   10000     0    11.19ms
156 dim            8     9    300ns    400ns  2104909.      624B      0   10000     0     4.75ms
157 matrix         8    10    900ns      1µs   891194.      688B      0   10000     0    11.22ms
158 dim            8    10    300ns    400ns  2122795.      688B    212.   9999     1     4.71ms
159 matrix         9     1    800ns    900ns  1033838.        0B      0   10000     0     9.67ms
160 dim            9     1    300ns    400ns  2444629.        0B      0   10000     0     4.09ms
161 matrix         9     2    900ns      1µs   940566.      192B      0   10000     0    10.63ms
162 dim            9     2    300ns    400ns  2382598.      192B      0   10000     0      4.2ms
163 matrix         9     3    900ns      1µs   907252.      264B      0   10000     0    11.02ms
164 dim            9     3    300ns    400ns  2159734.      264B      0   10000     0     4.63ms
165 matrix         9     4    900ns      1µs   908092.      336B      0   10000     0    11.01ms
166 dim            9     4    300ns    400ns  2208676.      336B      0   10000     0     4.53ms
167 matrix         9     5    900ns    1.1µs   888770.      408B      0   10000     0    11.25ms
168 dim            9     5    300ns    500ns  2010252.      408B      0   10000     0     4.97ms
169 matrix         9     6    900ns      1µs   883093.      480B     88.3  9999     1    11.32ms
170 dim            9     6    300ns    400ns  2301019.      480B      0   10000     0     4.35ms
171 matrix         9     7    900ns      1µs   923139.      552B      0   10000     0    10.83ms
172 dim            9     7    300ns    400ns  2240093.      552B      0   10000     0     4.46ms
173 matrix         9     8    900ns      1µs   931984.      624B      0   10000     0    10.73ms
174 dim            9     8    300ns    400ns  2003486.      624B      0   10000     0     4.99ms
175 matrix         9     9    900ns    1.1µs   867423.      696B      0   10000     0    11.53ms
176 dim            9     9    300ns    400ns  2071730.      696B    207.   9999     1     4.83ms
177 matrix         9    10    900ns      1µs   920310.      768B      0   10000     0    10.87ms
178 dim            9    10    300ns    400ns  2062408.      768B      0   10000     0     4.85ms
179 matrix        10     1    800ns    900ns   999740.        0B      0   10000     0       10ms
180 dim           10     1    300ns    400ns  2630195.        0B      0   10000     0      3.8ms
181 matrix        10     2    900ns      1µs   918577.      208B      0   10000     0    10.89ms
182 dim           10     2    300ns    400ns  2173299.      208B      0   10000     0      4.6ms
183 matrix        10     3    900ns      1µs   899985.      288B      0   10000     0    11.11ms
184 dim           10     3    300ns    400ns  2182644.      288B      0   10000     0     4.58ms
185 matrix        10     4    900ns      1µs   907869.      368B     90.8  9999     1    11.01ms
186 dim           10     4    300ns    400ns  2291056.      368B      0   10000     0     4.37ms
187 matrix        10     5    900ns      1µs   910963.      448B      0   10000     0    10.98ms
188 dim           10     5    300ns    400ns  2082249.      448B      0   10000     0      4.8ms
189 matrix        10     6    900ns      1µs   909413.      528B      0   10000     0       11ms
190 dim           10     6    300ns    400ns  2181739.      528B      0   10000     0     4.58ms
191 matrix        10     7    900ns    1.1µs   858627.      608B      0   10000     0    11.65ms
192 dim           10     7    300ns    400ns  2068944.      608B    207.   9999     1     4.83ms
193 matrix        10     8    900ns      1µs   923216.      688B      0   10000     0    10.83ms
194 dim           10     8    300ns    400ns  1913326.      688B      0   10000     0     5.23ms
195 matrix        10     9    900ns    1.1µs   886981.      768B      0   10000     0    11.27ms
196 dim           10     9    300ns    400ns  2049054.      768B      0   10000     0     4.88ms
197 matrix        10    10    900ns    1.1µs   876421.      848B     87.7  9999     1    11.41ms
198 dim           10    10    300ns    400ns  2067910.      848B      0   10000     0     4.84ms
# ℹ 4 more variables: result <list>, memory <list>, time <list>, gc <list>

結果は先ほどと変わらず、単位は相変わらずナノ秒とか1桁マイクロ秒ですが、どの条件でもmatrix()より`dim<-`()の方が2～3倍くらい速いです。

こちらも結果のグラフ化が可能です。先ほどと同じくautoplot()で自動的に出来上がります。bench::mark()の戻り値にはbench:::autoplot.bench_mark()が適用されます。

res_bm |>
  dplyr::filter(nr == 1) |>
1  ggplot2::autoplot()

1: 引数typeで描画方法をいろいろ指定できます。ただし、デフォルトの"beeswarm"はggbeeswarmパッケージ、"ridge"はggridgesパッケージが必要です。インストールされてない場合は、インストールするかどうか聞いてきます。

条件がいくつかある場合は自動でfacetに分けてくれるようです。ただこのまま列に条件がすべて入るとちょっと見にくいので、これも行ごとに分割してもう少し見やすくしてみます。内部ですでにggplot2::facet_*()が使われているのですが、上書きしてしまいます。²

res_bm |>
  tidyr::nest(.by = nr) |>
  dplyr::mutate(
    data = purrr::set_names(data, paste0("nr: ", nr))
  ) |>
1  dplyr::pull(data) |>
  purrr::iwalk(
    .f = \(x, idx) {
      temp_p <- ggplot2::autoplot(x, size = 1) +
        ggplot2::facet_wrap(
          ggplot2::vars(nc),
          ncol = 5,
          labeller = ggplot2::labeller(nc = ggplot2::label_both)
        ) +
        ggplot2::labs(title = idx) +
        ggplot2::theme_bw()
      print(temp_p)
    }
  )

1: dplyr::group_map()でやろうとすると、bench:::autoplot.bench_mark(obj, type = "beeswarm")でエラーを吐くのでdplyr::pull() |> purrr::iwalk()にしました。

どの条件でも`dim<-`()の方が速いですね。

Supplyment

chr

念のため文字型でもやってみます。時間削減で10行だけやります。文字列は一文字のベクトルであるlettersでもよかったんですが、せっかくなので短めの文章が集められているstringr::sentencesを使ってみたいと思います。

df_condition |>
  subset(nr == 10) |>
  bench::press(
    .grid = _,
    {
      elements <- sample(
        stringr::sentences,
        size = nr * nc,
        replace = TRUE
      )
      bench::mark(
        "matrix" = matrix(elements, nrow = nr),
        "dim" = `dim<-`(elements, c(nr, nc))
      )
    }
  )

# A tibble: 20 × 8
   expression    nr    nc      min   median `itr/sec` mem_alloc `gc/sec`
   <bch:expr> <int> <int> <bch:tm> <bch:tm>     <dbl> <bch:byt>    <dbl>
 1 matrix        10     1    900ns      1µs   820701.        0B      0  
 2 dim           10     1    300ns    400ns  2141190.        0B      0  
 3 matrix        10     2    900ns    1.1µs   827972.      208B     82.8
 4 dim           10     2    300ns    400ns  1864628.      208B      0  
 5 matrix        10     3      1µs    1.2µs   780220.      288B      0  
 6 dim           10     3    300ns    400ns  1976285.      288B      0  
 7 matrix        10     4      1µs    1.2µs   818605.      368B      0  
 8 dim           10     4    300ns    400ns  2207847.      368B      0  
 9 matrix        10     5      1µs    1.2µs   747429.      448B      0  
10 dim           10     5    300ns    400ns  2103448.      448B      0  
11 matrix        10     6      1µs    1.2µs   776652.      528B     77.7
12 dim           10     6    300ns    400ns  2191541.      528B      0  
13 matrix        10     7    1.1µs    1.2µs   766936.      608B      0  
14 dim           10     7    300ns    400ns  2133925.      608B      0  
15 matrix        10     8    1.1µs    1.2µs   745468.      688B      0  
16 dim           10     8    300ns    400ns  1949888.      688B      0  
17 matrix        10     9    1.1µs    1.3µs   703755.      768B      0  
18 dim           10     9    300ns    500ns  1796396.      768B      0  
19 matrix        10    10    1.1µs    1.4µs   674441.      848B      0  
20 dim           10    10    300ns    400ns  2036871.      848B    204.

文字型でも`dim<-`()の方が速いですね。

logical

論理値も念のため。

df_condition |>
  subset(nr == 10) |>
  bench::press(
    .grid = _,
    {
      elements <- sample(
        c(TRUE, FALSE),
        size = nr * nc,
        replace = TRUE
      )
      bench::mark(
        "matrix" = matrix(elements, nrow = nr),
        "dim" = `dim<-`(elements, c(nr, nc))
      )
    }
  )

# A tibble: 20 × 8
   expression    nr    nc      min   median `itr/sec` mem_alloc `gc/sec`
   <bch:expr> <int> <int> <bch:tm> <bch:tm>     <dbl> <bch:byt>    <dbl>
 1 matrix        10     1    800ns      1µs   936838.        0B      0  
 2 dim           10     1    300ns    400ns  2422657.        0B      0  
 3 matrix        10     2    800ns      1µs   991080.        0B      0  
 4 dim           10     2    300ns    400ns  2461114.        0B      0  
 5 matrix        10     3    800ns      1µs   932045.        0B      0  
 6 dim           10     3    300ns    400ns  2498751.        0B      0  
 7 matrix        10     4    900ns      1µs   902233.      208B     90.2
 8 dim           10     4    300ns    400ns  2325257.      208B      0  
 9 matrix        10     5    900ns      1µs   901307.      248B      0  
10 dim           10     5    300ns    400ns  2207359.      248B      0  
11 matrix        10     6    900ns      1µs   928212.      288B      0  
12 dim           10     6    300ns    400ns  2236036.      288B      0  
13 matrix        10     7    900ns    1.1µs   885575.      328B      0  
14 dim           10     7    300ns    400ns  2125534.      328B      0  
15 matrix        10     8    900ns    1.1µs   846354.      368B     84.6
16 dim           10     8    300ns    400ns  1997443.      368B      0  
17 matrix        10     9    900ns    1.1µs   862411.      408B      0  
18 dim           10     9    300ns    400ns  2062323.      408B      0  
19 matrix        10    10    900ns      1µs   883080.      448B      0  
20 dim           10    10    300ns    400ns  2285714.      448B      0

論理値型でも`dim<-`()の方が速いですね。

Conclusion

ベクトルから行列を作るときの速さをmatrix()と`dim<-`()で比べてみました。1×1を除く10×10の行列の作成までベンチマークを回してみましたが、matrix()は大体1～1.1マイクロ秒、`dim<-`()は大体0.4～0.5マイクロ秒ということで、後者の方が速かったです。

…といっても普段の分析で使うときに体感できる差ではないので、ふつうに使うなら分かりやすいし行方向にも値を入れられるmatrix()を使うのがいいと思います。シミュレーションで行列を大量に作る際に、要素をbyrowで入れる必要がなく少しでも時間を節約したいなら`dim<-`()を使うのもいいかもしれません。（でも、おそらく他の部分とか関数の方がボトルネックになると思います…。）

Session Infomation

sessionInfo

R version 4.5.3 (2026-03-11 ucrt)
Platform: x86_64-w64-mingw32/x64
Running under: Windows 11 x64 (build 26100)

Matrix products: default
  LAPACK version 3.12.1

locale:
[1] LC_COLLATE=Japanese_Japan.utf8  LC_CTYPE=Japanese_Japan.utf8    LC_MONETARY=Japanese_Japan.utf8
[4] LC_NUMERIC=C                    LC_TIME=Japanese_Japan.utf8    

time zone: Asia/Tokyo
tzcode source: internal

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
 [1] bench_1.1.4          microbenchmark_1.5.0 lubridate_1.9.5      forcats_1.0.1       
 [5] stringr_1.6.0        dplyr_1.2.1          purrr_1.2.1          readr_2.2.0         
 [9] tidyr_1.3.2          tibble_3.3.1         ggplot2_4.0.2        tidyverse_2.0.0     

loaded via a namespace (and not attached):
 [1] utf8_1.2.6         sandwich_3.1-1     generics_0.1.4     lattice_0.22-9     stringi_1.8.7     
 [6] hms_1.1.4          digest_0.6.39      magrittr_2.0.5     evaluate_1.0.5     grid_4.5.3        
[11] timechange_0.4.0   RColorBrewer_1.1-3 mvtnorm_1.3-6      fastmap_1.2.0      Matrix_1.7-5      
[16] jsonlite_2.0.0     survival_3.8-6     multcomp_1.4-30    scales_1.4.0       TH.data_1.1-5     
[21] codetools_0.2-20   textshaping_1.0.5  cli_3.6.5          rlang_1.1.7        splines_4.5.3     
[26] withr_3.0.2        yaml_2.3.12        otel_0.2.0         ggbeeswarm_0.7.3   tools_4.5.3       
[31] tzdb_0.5.0         profmem_0.7.0      pacman_0.5.1       vctrs_0.7.2        R6_2.6.1          
[36] png_0.1-9          zoo_1.8-15         lifecycle_1.0.5    htmlwidgets_1.6.4  vipor_0.4.7       
[41] MASS_7.3-65        ragg_1.5.2         beeswarm_0.4.0     pkgconfig_2.0.3    pillar_1.11.1     
[46] gtable_0.3.6       glue_1.8.0         systemfonts_1.3.2  xfun_0.57          tidyselect_1.2.1  
[51] rstudioapi_0.18.0  knitr_1.51         farver_2.1.2       htmltools_0.5.9    patchwork_1.3.2   
[56] rmarkdown_2.31     labeling_0.4.3     compiler_4.5.3     S7_0.2.1

Change Log

change log

2026-04-15
- microbenchmarkの結果をtbl_df化。プロットをlightboxに対応。

Footnotes

f(x) <- valueみたいな書き方をする関数には、結構この記法（`f<-`(x, value)）に対応しているものがあります。代入演算子（<-）まで含めて関数の名前になっているので、関数名を必ずバッククォート記号（`、backtickとも言うみたい）で囲む必要があります。コード補完をオンにしていると、候補に出てきます。↩︎
ほとんどの条件で実行回数（n_iter）が上限の１万回に達しているからか、beeswarmの処理にやたら時間がかかる気がします。"violin"とか"boxplot"だと処理が速いです。"jitter"も重かったです。"ridge"は割と速かったのですが、今回のデータだと"violin"の方が見やすかったです。↩︎