R byrowしないならmatrixよりdim<-の方が速そう

Benchmark: `dim<-`() vs matrix()— `dim<-`() Seems Faster When Row-Wise Filling Isn’t Needed

R memo
Base R
bench mark
Published

2026-04-11

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。

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)|
■■■■                             ( 10% in 895ms)|ETA:  8s
■■■■■■■■■■■■■■■                  ( 45% in 3.9s)|ETA:  5s
■■■■■■■■■■■■■■■■■■■■■■■■■■       ( 82% in 6.9s)|ETA:  2s
■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■  (100% in 8.5s)|ETA:  0s

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。

res_mb$res
$r1c2
Unit: nanoseconds
   expr min  lq    mean median   uq   max neval cld
 matrix 701 801 1136.98  801.5 1101 11602   100  a 
    dim 200 202  359.00  301.0  302  4001   100   b

$r1c3
Unit: nanoseconds
   expr min  lq   mean median  uq  max neval cld
 matrix 701 801 908.94    801 901 4201   100  a 
    dim 200 202 311.06    301 301 2801   100   b

$r1c4
Unit: nanoseconds
   expr min  lq   mean median     uq  max neval cld
 matrix 800 801 943.99    901 1000.5 4901   100  a 
    dim 200 301 322.05    301  302.0 1701   100   b

$r1c5
Unit: nanoseconds
   expr min   lq    mean median   uq  max neval cld
 matrix 800 1001 1206.01   1101 1102 7202   100  a 
    dim 201  301  411.97    401  401 2400   100   b

$r1c6
Unit: nanoseconds
   expr min  lq  mean median  uq  max neval cld
 matrix 800 801 947.0    901 901 5800   100  a 
    dim 200 300 314.1    301 302 1701   100   b

$r1c7
Unit: nanoseconds
   expr min  lq   mean median  uq  max neval cld
 matrix 701 801 900.00    801 901 4501   100  a 
    dim 200 301 332.04    301 302 3000   100   b

$r1c8
Unit: nanoseconds
   expr min  lq   mean median  uq  max neval cld
 matrix 800 801 938.05    801 902 5901   100  a 
    dim 200 202 300.01    301 301 1901   100   b

$r1c9
Unit: nanoseconds
   expr min  lq   mean median   uq  max neval cld
 matrix 800 801 964.91    901 1001 3602   100  a 
    dim 200 300 336.00    301  302 1901   100   b

$r1c10
Unit: nanoseconds
   expr min  lq   mean median    uq  max neval cld
 matrix 800 801 926.02    802 901.5 4901   100  a 
    dim 200 300 312.03    301 301.0 1700   100   b

$r2c1
Unit: nanoseconds
   expr min  lq   mean median    uq  max neval cld
 matrix 800 801 911.01    801 951.5 3501   100  a 
    dim 200 201 290.98    301 301.0 2301   100   b

$r2c2
Unit: nanoseconds
   expr min  lq   mean median  uq  max neval cld
 matrix 800 801 922.99    802 901 3802   100  a 
    dim 200 202 302.05    301 302 1900   100   b

$r2c3
Unit: nanoseconds
   expr min  lq   mean median  uq  max neval cld
 matrix 800 801 940.01    901 902 3900   100  a 
    dim 200 300 308.95    301 301 1601   100   b

$r2c4
Unit: nanoseconds
   expr min   lq    mean median   uq  max neval cld
 matrix 801 1001 1163.05   1101 1102 5702   100  a 
    dim 300  301  445.98    401  401 3802   100   b

$r2c5
Unit: nanoseconds
   expr min  lq   mean median   uq  max neval cld
 matrix 800 801 918.94  900.5 1000 2601   100  a 
    dim 200 300 312.05  301.0  302 2201   100   b

$r2c6
Unit: nanoseconds
   expr min  lq    mean median   uq  max neval cld
 matrix 801 901 1158.99   1002 1200 7802   100  a 
    dim 201 301  399.00    401  401 2500   100   b

$r2c7
Unit: nanoseconds
   expr min  lq   mean median    uq  max neval cld
 matrix 701 801 913.03    802 901.5 3102   100  a 
    dim 200 301 337.97    301 401.0 2501   100   b

$r2c8
Unit: nanoseconds
   expr min  lq   mean median  uq  max neval cld
 matrix 800 801 909.03  900.5 901 3101   100  a 
    dim 200 300 315.93  301.0 302 1902   100   b

$r2c9
Unit: nanoseconds
   expr min  lq    mean median   uq   max neval cld
 matrix 800 901 1021.98    901 1001  5201   100  a 
    dim 200 400  638.97    401  402 18200   100   b

$r2c10
Unit: nanoseconds
   expr min  lq    mean median   uq  max neval cld
 matrix 800 900 1087.99    901 1001 9701   100  a 
    dim 200 301  426.02    401  401 3201   100   b

$r3c1
Unit: nanoseconds
   expr min  lq   mean median   uq  max neval cld
 matrix 701 801 908.11    851 1000 3502   100  a 
    dim 200 202 292.90    301  301 1301   100   b

$r3c2
Unit: nanoseconds
   expr min  lq   mean median  uq  max neval cld
 matrix 800 801 900.94    851 901 2900   100  a 
    dim 200 300 326.05    301 302 2300   100   b

$r3c3
Unit: nanoseconds
   expr min  lq   mean median   uq  max neval cld
 matrix 800 801 943.04    901 1001 3701   100  a 
    dim 200 301 339.06    301  302 2501   100   b

$r3c4
Unit: nanoseconds
   expr min  lq   mean median  uq  max neval cld
 matrix 800 801 929.96    900 951 5101   100  a 
    dim 200 300 342.94    301 302 3501   100   b

$r3c5
Unit: nanoseconds
   expr min  lq   mean median  uq  max neval cld
 matrix 800 801 943.08    802 901 5902   100  a 
    dim 200 301 323.04    301 302 1701   100   b

$r3c6
Unit: nanoseconds
   expr min  lq    mean median     uq   max neval cld
 matrix 801 901 1271.99   1000 1101.0 14101   100  a 
    dim 300 301  450.99    401  401.5  3502   100   b

$r3c7
Unit: nanoseconds
   expr min  lq    mean median   uq   max neval cld
 matrix 801 901 1151.02   1000 1101 10001   100  a 
    dim 300 301  456.91    401  401  3802   100   b

$r3c8
Unit: nanoseconds
   expr min   lq    mean median   uq  max neval cld
 matrix 801 1101 1289.13 1200.5 1202 7702   100  a 
    dim 300  401  762.93  500.0  501 9901   100   b

$r3c9
Unit: nanoseconds
   expr min  lq    mean median   uq   max neval cld
 matrix 800 901 1168.89    901 1002 10201   100  a 
    dim 200 301  495.99    401  401  3901   100   b

$r3c10
Unit: nanoseconds
   expr min  lq    mean median   uq  max neval cld
 matrix 800 901 1096.98    902 1051 4601   100  a 
    dim 300 301  577.96    401  451 9501   100   b

$r4c1
Unit: nanoseconds
   expr min  lq   mean median  uq  max neval cld
 matrix 800 801 938.94    901 901 5500   100  a 
    dim 200 300 312.02    301 301 1902   100   b

$r4c2
Unit: nanoseconds
   expr min  lq   mean median    uq  max neval cld
 matrix 701 801 905.97    801 901.0 3902   100  a 
    dim 200 300 303.10    301 301.5 1502   100   b

$r4c3
Unit: nanoseconds
   expr min    lq   mean median  uq  max neval cld
 matrix 800 801.0 909.06    900 901 3802   100  a 
    dim 200 300.5 317.02    301 302 1301   100   b

$r4c4
Unit: nanoseconds
   expr min  lq   mean median  uq  max neval cld
 matrix 800 801 933.92    851 951 4101   100  a 
    dim 200 300 336.91    301 400 2901   100   b

$r4c5
Unit: nanoseconds
   expr min  lq    mean median     uq   max neval cld
 matrix 800 901 1033.01    901 1001.5  3502   100  a 
    dim 201 301  526.02    401  401.0 12401   100   b

$r4c6
Unit: nanoseconds
   expr min  lq    mean median   uq   max neval cld
 matrix 801 901 1107.03    901 1101  4901   100  a 
    dim 300 301  557.97    401  401 12801   100   b

$r4c7
Unit: nanoseconds
   expr min  lq    mean median   uq  max neval cld
 matrix 800 901 1212.00    902 1001 9701   100  a 
    dim 201 301  471.03    401  401 2601   100   b

$r4c8
Unit: nanoseconds
   expr min  lq    mean median   uq   max neval cld
 matrix 800 901 1198.90 1000.5 1051 12402   100  a 
    dim 201 301  475.04  401.0  401  4500   100   b

$r4c9
Unit: nanoseconds
   expr min  lq    mean median   uq   max neval cld
 matrix 801 901 1114.10    902 1001 13002   100  a 
    dim 201 301  445.06    401  401  3001   100   b

$r4c10
Unit: nanoseconds
   expr min   lq    mean median     uq   max neval cld
 matrix 901 1101 1621.02   1201 1350.5 15701   100  a 
    dim 300  401  740.00    500  600.5  6402   100   b

$r5c1
Unit: nanoseconds
   expr min   lq    mean median   uq  max neval cld
 matrix 900 1001 1149.03   1100 1102 5701   100  a 
    dim 202  301  431.02    401  401 3801   100   b

$r5c2
Unit: nanoseconds
   expr min  lq   mean median   uq  max neval cld
 matrix 800 801 946.04    901 1001 4401   100  a 
    dim 200 300 315.89    301  301 1401   100   b

$r5c3
Unit: nanoseconds
   expr min  lq   mean median  uq  max neval cld
 matrix 800 801 934.01    901 901 4601   100  a 
    dim 200 300 316.93    301 302 1901   100   b

$r5c4
Unit: nanoseconds
   expr min  lq    mean median   uq   max neval cld
 matrix 800 901 1117.97    901 1001 10301   100  a 
    dim 201 301  398.03    351  401  3401   100   b

$r5c5
Unit: nanoseconds
   expr min  lq    mean median   uq   max neval cld
 matrix 801 901 1051.98   1000 1002  6301   100  a 
    dim 200 301  505.99    401  401 11100   100   b

$r5c6
Unit: nanoseconds
   expr min  lq    mean median   uq  max neval cld
 matrix 800 901 1179.98 1000.5 1101 6801   100  a 
    dim 202 301  578.07  401.0  401 8701   100   b

$r5c7
Unit: nanoseconds
   expr min  lq    mean median     uq  max neval cld
 matrix 801 901 1088.98   1000 1100.5 6501   100  a 
    dim 300 301  474.07    401  401.0 8901   100   b

$r5c8
Unit: nanoseconds
   expr min  lq    mean median     uq   max neval cld
 matrix 801 901 1399.05   1001 1101.5 17601   100  a 
    dim 201 301  450.00    401  401.0  5401   100   b

$r5c9
Unit: nanoseconds
   expr min  lq    mean median   uq   max neval cld
 matrix 800 901 1099.06   1001 1101  4101   100  a 
    dim 200 351  554.97    401  401 11900   100   b

$r5c10
Unit: nanoseconds
   expr min  lq    mean median   uq   max neval cld
 matrix 800 901 1223.01   1000 1101 12101   100  a 
    dim 201 301  541.01    401  401  3301   100   b

$r6c1
Unit: nanoseconds
   expr min     lq    mean median   uq  max neval cld
 matrix 800 1000.5 1182.03   1101 1200 6700   100  a 
    dim 200  301.0  410.97    401  401 1801   100   b

$r6c2
Unit: nanoseconds
   expr min     lq    mean median   uq  max neval cld
 matrix 801 1000.5 1135.05   1001 1101 5601   100  a 
    dim 300  301.0  433.00    401  401 4101   100   b

$r6c3
Unit: nanoseconds
   expr min    lq    mean median   uq  max neval cld
 matrix 801 901.0 1207.04    902 1101 9802   100  a 
    dim 300 301.5  444.02    401  401 2601   100   b

$r6c4
Unit: nanoseconds
   expr min  lq    mean median   uq   max neval cld
 matrix 801 901 1179.00   1001 1101 11400   100  a 
    dim 201 301  462.02    401  401  3001   100   b

$r6c5
Unit: nanoseconds
   expr min  lq    mean median   uq  max neval cld
 matrix 801 901 1130.05    902 1002 6501   100  a 
    dim 201 301  563.03    401  401 3601   100   b

$r6c6
Unit: nanoseconds
   expr min  lq    mean median   uq   max neval cld
 matrix 800 901 1035.92    902 1001  5701   100  a 
    dim 300 301  505.17    401  401 10801   100   b

$r6c7
Unit: nanoseconds
   expr min  lq    mean median   uq  max neval cld
 matrix 800 901 1073.06   1000 1100 4201   100  a 
    dim 201 301  553.97    401  401 8800   100   b

$r6c8
Unit: nanoseconds
   expr min  lq    mean median     uq  max neval cld
 matrix 800 901 1189.02   1001 1100.5 6301   100  a 
    dim 300 302  467.00    401  401.0 2500   100   b

$r6c9
Unit: nanoseconds
   expr min  lq    mean median   uq  max neval cld
 matrix 800 901 1340.00   1001 1102 9601   100  a 
    dim 200 301  453.95    401  401 4001   100   b

$r6c10
Unit: nanoseconds
   expr min  lq    mean median     uq   max neval cld
 matrix 801 901 1160.06   1001 1101.5  4901   100  a 
    dim 200 301  613.92    401  401.0 12401   100   b

$r7c1
Unit: nanoseconds
   expr min  lq   mean median   uq  max neval cld
 matrix 700 801 937.96    901 1001 4002   100  a 
    dim 200 300 333.98    301  302 3201   100   b

$r7c2
Unit: nanoseconds
   expr min  lq   mean median   uq  max neval cld
 matrix 800 801 962.04    802 1000 6402   100  a 
    dim 200 300 323.96    301  302 2200   100   b

$r7c3
Unit: nanoseconds
   expr min   lq    mean median     uq  max neval cld
 matrix 900 1101 1329.96 1200.5 1300.5 5401   100  a 
    dim 300  401  691.98  450.5  502.0 8501   100   b

$r7c4
Unit: nanoseconds
   expr min  lq    mean median   uq  max neval cld
 matrix 800 901 1194.02    902 1100 7601   100  a 
    dim 200 301  455.02    301  401 2501   100   b

$r7c5
Unit: nanoseconds
   expr min  lq    mean median   uq   max neval cld
 matrix 801 901 1132.00  901.5 1002  7302   100  a 
    dim 201 301  486.06  401.0  401 11101   100   b

$r7c6
Unit: nanoseconds
   expr min  lq    mean median   uq  max neval cld
 matrix 801 901 1038.04    951 1001 4500   100  a 
    dim 300 301  488.03    401  401 5201   100   b

$r7c7
Unit: nanoseconds
   expr min    lq    mean median   uq   max neval cld
 matrix 800 901.0 1246.02   1000 1101 11802   100  a 
    dim 200 301.5  534.98    401  401  2802   100   b

$r7c8
Unit: nanoseconds
   expr min  lq    mean median   uq   max neval cld
 matrix 800 901 1295.98   1001 1101 10402   100  a 
    dim 201 301  569.03    401  401  4701   100   b

$r7c9
Unit: nanoseconds
   expr min  lq    mean median   uq  max neval cld
 matrix 801 901 1192.05   1001 1101 5801   100  a 
    dim 201 301  542.96    401  401 2701   100   b

$r7c10
Unit: nanoseconds
   expr min  lq    mean median     uq  max neval cld
 matrix 800 901 1193.92   1001 1100.5 6801   100  a 
    dim 300 301  625.01    401  401.0 8101   100   b

$r8c1
Unit: nanoseconds
   expr min  lq   mean median  uq  max neval cld
 matrix 701 801 898.99    801 901 3401   100  a 
    dim 200 300 320.03    301 301 2401   100   b

$r8c2
Unit: nanoseconds
   expr min  lq   mean median  uq  max neval cld
 matrix 701 801 907.00    900 901 3701   100  a 
    dim 200 301 330.99    301 302 1601   100   b

$r8c3
Unit: nanoseconds
   expr min  lq    mean median   uq   max neval cld
 matrix 800 901 1066.98    901 1002  5401   100  a 
    dim 201 301  503.09    400  401 11901   100   b

$r8c4
Unit: nanoseconds
   expr min  lq    mean median   uq  max neval cld
 matrix 801 901 1123.97    901 1001 7300   100  a 
    dim 201 301  405.08    401  401 2401   100   b

$r8c5
Unit: nanoseconds
   expr min   lq    mean median   uq   max neval cld
 matrix 801 1001 1475.05   1102 1301 11402   100  a 
    dim 300  401  779.00    401  501  7600   100   b

$r8c6
Unit: nanoseconds
   expr min   lq    mean median   uq  max neval cld
 matrix 801 1100 1421.09   1102 1301 8601   100  a 
    dim 301  401  688.00    500  501 8701   100   b

$r8c7
Unit: nanoseconds
   expr min  lq    mean median   uq   max neval cld
 matrix 800 901 1279.92   1001 1151  7301   100  a 
    dim 201 301  672.97    401  401 15200   100   b

$r8c8
Unit: nanoseconds
   expr min  lq    mean median   uq  max neval cld
 matrix 801 901 1093.98    951 1051 6601   100  a 
    dim 300 301  504.98    401  401 8300   100   b

$r8c9
Unit: nanoseconds
   expr min  lq    mean median   uq   max neval cld
 matrix 800 901 1443.99   1001 1102 18301   100  a 
    dim 300 302  659.06    401  451  6501   100   b

$r8c10
Unit: nanoseconds
   expr min    lq    mean median     uq   max neval cld
 matrix 800 901.0 1368.95   1001 1101.5 12401   100  a 
    dim 300 301.5  711.99    401  501.0  6302   100   b

$r9c1
Unit: nanoseconds
   expr min  lq   mean median    uq  max neval cld
 matrix 800 801 911.02    851 901.5 3401   100  a 
    dim 200 300 324.01    301 302.0 1201   100   b

$r9c2
Unit: nanoseconds
   expr min  lq    mean median   uq   max neval cld
 matrix 800 901 1142.04    951 1100 13300   100  a 
    dim 300 302  490.07    401  401  8301   100   b

$r9c3
Unit: nanoseconds
   expr min  lq    mean median   uq  max neval cld
 matrix 801 901 1285.01   1001 1102 8901   100  a 
    dim 300 301  456.06    401  401 2602   100   b

$r9c4
Unit: nanoseconds
   expr min    lq    mean median     uq   max neval cld
 matrix 801 901.0 1174.01   1001 1100.5 11201   100  a 
    dim 201 301.5  419.09    401  401.0  2801   100   b

$r9c5
Unit: nanoseconds
   expr  min   lq    mean median   uq   max neval cld
 matrix 1001 1151 2450.02   1201 1400 88300   100  a 
    dim  300  401  678.99    501  502  9001   100   b

$r9c6
Unit: nanoseconds
   expr min  lq    mean median     uq  max neval cld
 matrix 800 901 1195.94   1001 1151.0 6700   100  a 
    dim 201 301  662.95    401  401.5 8701   100   b

$r9c7
Unit: nanoseconds
   expr min   lq    mean median   uq  max neval cld
 matrix 801 1002 1469.02 1200.0 1301 7901   100  a 
    dim 300  401  568.00  401.5  501 5201   100   b

$r9c8
Unit: nanoseconds
   expr min  lq    mean median   uq   max neval cld
 matrix 800 901 1326.02   1001 1101 17201   100  a 
    dim 300 301  568.01    401  401  4801   100   b

$r9c9
Unit: nanoseconds
   expr min    lq    mean median   uq   max neval cld
 matrix 801 901.0 1296.97 1001.5 1200  5701   100  a 
    dim 300 351.5  821.01  401.0  500 14001   100   b

$r9c10
Unit: nanoseconds
   expr min  lq    mean median   uq   max neval cld
 matrix 801 901 1176.96   1001 1101  4802   100  a 
    dim 200 302  783.03    401  500 13201   100   b

$r10c1
Unit: nanoseconds
   expr min    lq   mean median    uq  max neval cld
 matrix 701 801.0 940.04    901 901.5 5202   100  a 
    dim 200 300.5 356.05    301 302.0 4601   100   b

$r10c2
Unit: nanoseconds
   expr min  lq    mean median   uq   max neval cld
 matrix 800 901 1349.96   1001 1101 16100   100   a
    dim 200 301  843.93    401  601 31902   100   a

$r10c3
Unit: nanoseconds
   expr min  lq    mean median   uq  max neval cld
 matrix 801 901 1558.02   1101 1901 8501   100  a 
    dim 300 351  663.03    401  701 5901   100   b

$r10c4
Unit: nanoseconds
   expr min  lq    mean median   uq   max neval cld
 matrix 800 901 1292.01   1001 1101 10401   100  a 
    dim 200 301  548.00    401  402  5500   100   b

$r10c5
Unit: nanoseconds
   expr min  lq    mean median   uq  max neval cld
 matrix 800 901 1238.09   1001 1101 7401   100  a 
    dim 200 301  685.03    401  500 5701   100   b

$r10c6
Unit: nanoseconds
   expr min  lq    mean median     uq  max neval cld
 matrix 800 901 1119.99   1000 1101.0 5101   100  a 
    dim 200 301  602.00    401  401.5 7301   100   b

$r10c7
Unit: nanoseconds
   expr min  lq    mean median     uq  max neval cld
 matrix 800 901 1236.04   1001 1101.5 6301   100  a 
    dim 202 301  635.96    401  401.0 6802   100   b

$r10c8
Unit: nanoseconds
   expr min  lq    mean median   uq  max neval cld
 matrix 800 901 1484.03   1001 1102 7601   100  a 
    dim 202 302  746.99    401  501 8100   100   b

$r10c9
Unit: nanoseconds
   expr min  lq    mean median   uq   max neval cld
 matrix 800 901 1256.02   1001 1102  5701   100  a 
    dim 201 301  786.94    401  501 14101   100   b

$r10c10
Unit: nanoseconds
   expr min  lq    mean median   uq  max neval cld
 matrix 801 901 1406.94   1001 1202 8202   100  a 
    dim 300 302  595.04    401  501 5901   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。

split(res_mb, res_mb$nr) |>
  purrr::walk(
    .f = \(x) {
      x |>
        dplyr::pull(res) |>
        purrr::imap(
          .f = \(y, idx) {
1            ggplot2::autoplot(y) +
2              ggplot2::labs(title = idx)
          }
        ) |>
        patchwork::wrap_plots(
          ncol = 5,
          byrow = TRUE,
          axes = "collect_y",
          axis_titles = "collect"
        ) |>
        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
purrr::map()にすると、戻り値がレンダリングされるので、purrr::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   701901.        0B     70.2  9999     1    14.25ms
  2 dim            1     2    300ns    400ns  2231097.        0B      0   10000     0     4.48ms
  3 matrix         1     3    900ns    1.1µs   854168.        0B      0   10000     0    11.71ms
  4 dim            1     3    300ns    400ns  2221877.        0B      0   10000     0      4.5ms
  5 matrix         1     4    900ns      1µs   781665.        0B      0   10000     0    12.79ms
  6 dim            1     4    300ns    400ns  2188950.        0B      0   10000     0     4.57ms
  7 matrix         1     5    900ns    1.1µs   750698.        0B     75.1  9999     1    13.32ms
  8 dim            1     5    300ns    400ns  2167317.        0B      0   10000     0     4.61ms
  9 matrix         1     6    900ns      1µs   860178.        0B      0   10000     0    11.63ms
 10 dim            1     6    300ns    400ns  2161321.        0B      0   10000     0     4.63ms
 11 matrix         1     7    900ns      1µs   866048.        0B      0   10000     0    11.55ms
 12 dim            1     7    300ns    400ns  2127886.        0B      0   10000     0      4.7ms
 13 matrix         1     8    900ns    1.1µs   743100.        0B     74.3  9999     1    13.46ms
 14 dim            1     8    300ns    500ns  1980355.        0B      0   10000     0     5.05ms
 15 matrix         1     9    900ns    1.1µs   771409.        0B      0   10000     0    12.96ms
 16 dim            1     9    300ns    400ns  2112869.        0B      0   10000     0     4.73ms
 17 matrix         1    10    900ns      1µs   824328.        0B      0   10000     0    12.13ms
 18 dim            1    10    300ns    400ns  2159547.        0B      0   10000     0     4.63ms
 19 matrix         2     1    900ns    1.1µs   675394.        0B     67.5  9999     1     14.8ms
 20 dim            2     1    300ns    400ns  2059138.        0B      0   10000     0     4.86ms
 21 matrix         2     2    900ns    1.1µs   824701.        0B      0   10000     0    12.13ms
 22 dim            2     2    300ns    400ns  2177226.        0B      0   10000     0     4.59ms
 23 matrix         2     3    900ns    1.1µs   844238.        0B      0   10000     0    11.85ms
 24 dim            2     3    300ns    400ns  1972503.        0B      0   10000     0     5.07ms
 25 matrix         2     4    900ns    1.2µs   668186.        0B     66.8  9999     1    14.96ms
 26 dim            2     4    300ns    600ns  1501840.        0B      0   10000     0     6.66ms
 27 matrix         2     5    900ns    1.2µs   736529.        0B      0   10000     0    13.58ms
 28 dim            2     5    300ns    400ns  1965100.        0B      0   10000     0     5.09ms
 29 matrix         2     6    900ns    1.1µs   849156.        0B      0   10000     0    11.78ms
 30 dim            2     6    300ns    400ns  2143026.        0B      0   10000     0     4.67ms
 31 matrix         2     7    900ns    1.1µs   846711.        0B      0   10000     0    11.81ms
 32 dim            2     7    300ns    400ns  2243712.        0B      0   10000     0     4.46ms
 33 matrix         2     8    900ns    1.1µs   803123.        0B      0   10000     0    12.45ms
 34 dim            2     8    300ns    600ns  1528958.        0B      0   10000     0     6.54ms
 35 matrix         2     9    900ns    1.3µs   647119.      192B      0   10000     0    15.45ms
 36 dim            2     9    300ns    500ns  1972192.      192B      0   10000     0     5.07ms
 37 matrix         2    10    900ns    1.1µs   813398.      208B      0   10000     0    12.29ms
 38 dim            2    10    300ns    500ns  2021509.      208B      0   10000     0     4.95ms
 39 matrix         3     1    900ns    1.1µs   877894.        0B      0   10000     0    11.39ms
 40 dim            3     1    300ns    400ns  2206191.        0B      0   10000     0     4.53ms
 41 matrix         3     2    900ns    1.1µs   846568.        0B      0   10000     0    11.81ms
 42 dim            3     2    300ns    400ns  2170704.        0B      0   10000     0     4.61ms
 43 matrix         3     3    900ns    1.7µs   575307.        0B     57.5  9999     1    17.38ms
 44 dim            3     3    300ns    400ns  2176847.        0B      0   10000     0     4.59ms
 45 matrix         3     4    900ns    1.1µs   844096.        0B      0   10000     0    11.85ms
 46 dim            3     4    300ns    400ns  2096964.        0B      0   10000     0     4.77ms
 47 matrix         3     5    900ns    1.1µs   829187.        0B      0   10000     0    12.06ms
 48 dim            3     5    300ns    400ns  2185745.        0B      0   10000     0     4.58ms
 49 matrix         3     6    900ns    1.1µs   836148.      192B      0   10000     0    11.96ms
 50 dim            3     6    300ns    400ns  2001161.      192B      0   10000     0        5ms
 51 matrix         3     7    900ns    1.7µs   553618.      216B     55.4  9999     1    18.06ms
 52 dim            3     7    300ns    500ns  1998361.      216B      0   10000     0        5ms
 53 matrix         3     8    900ns    1.2µs   799949.      240B      0   10000     0     12.5ms
 54 dim            3     8    300ns    500ns  1996287.      240B      0   10000     0     5.01ms
 55 matrix         3     9    900ns    1.2µs   812137.      264B      0   10000     0    12.31ms
 56 dim            3     9    300ns    500ns  1948520.      264B      0   10000     0     5.13ms
 57 matrix         3    10    900ns    1.2µs   805542.      288B      0   10000     0    12.41ms
 58 dim            3    10    300ns    500ns  2030251.      288B      0   10000     0     4.93ms
 59 matrix         4     1    900ns    1.6µs   593117.        0B     59.3  9999     1    16.86ms
 60 dim            4     1    300ns    400ns  2122106.        0B      0   10000     0     4.71ms
 61 matrix         4     2    900ns    1.1µs   855074.        0B      0   10000     0     11.7ms
 62 dim            4     2    300ns    400ns  2163472.        0B      0   10000     0     4.62ms
 63 matrix         4     3    900ns    1.1µs   857574.        0B      0   10000     0    11.66ms
 64 dim            4     3    300ns    400ns  2257336.        0B      0   10000     0     4.43ms
 65 matrix         4     4    900ns    1.1µs   860689.        0B      0   10000     0    11.62ms
 66 dim            4     4    300ns    400ns  2144404.        0B      0   10000     0     4.66ms
 67 matrix         4     5    900ns    1.7µs   567483.      208B     56.8  9999     1    17.62ms
 68 dim            4     5    300ns    500ns  2008355.      208B      0   10000     0     4.98ms
 69 matrix         4     6    900ns    1.2µs   776512.      240B      0   10000     0    12.88ms
 70 dim            4     6    300ns    500ns  1909600.      240B      0   10000     0     5.24ms
 71 matrix         4     7    900ns    1.1µs   826918.      272B      0   10000     0    12.09ms
 72 dim            4     7    300ns    500ns  1953545.      272B      0   10000     0     5.12ms
 73 matrix         4     8    900ns    1.1µs   823757.      304B      0   10000     0    12.14ms
 74 dim            4     8    300ns    600ns  1555030.      304B    156.   9999     1     6.43ms
 75 matrix         4     9    900ns    1.4µs   619702.      336B      0   10000     0    16.14ms
 76 dim            4     9    300ns    500ns  1994973.      336B      0   10000     0     5.01ms
 77 matrix         4    10    900ns    1.2µs   805354.      368B      0   10000     0    12.42ms
 78 dim            4    10    300ns    500ns  1986334.      368B      0   10000     0     5.03ms
 79 matrix         5     1    900ns    1.1µs   862723.        0B      0   10000     0    11.59ms
 80 dim            5     1    300ns    600ns  1506342.        0B      0   10000     0     6.64ms
 81 matrix         5     2    900ns    1.2µs   690884.        0B      0   10000     0    14.47ms
 82 dim            5     2    300ns    400ns  2161274.        0B      0   10000     0     4.63ms
 83 matrix         5     3    900ns    1.1µs   841694.        0B      0   10000     0    11.88ms
 84 dim            5     3    300ns    400ns  2261574.        0B      0   10000     0     4.42ms
 85 matrix         5     4    900ns    1.1µs   818532.      208B      0   10000     0    12.22ms
 86 dim            5     4    300ns    500ns  2010656.      208B      0   10000     0     4.97ms
 87 matrix         5     5    900ns    1.3µs   642514.      248B     64.3  9999     1    15.56ms
 88 dim            5     5    300ns    700ns  1379158.      248B      0   10000     0     7.25ms
 89 matrix         5     6    900ns    1.2µs   769213.      288B      0   10000     0       13ms
 90 dim            5     6    300ns    500ns  2020529.      288B      0   10000     0     4.95ms
 91 matrix         5     7    900ns    1.2µs   804039.      328B      0   10000     0    12.44ms
 92 dim            5     7    300ns    500ns  1952248.      328B      0   10000     0     5.12ms
 93 matrix         5     8    900ns    1.6µs   576532.      368B      0   10000     0    17.34ms
 94 dim            5     8    300ns    500ns  1990129.      368B      0   10000     0     5.03ms
 95 matrix         5     9    900ns    1.2µs   784203.      408B      0   10000     0    12.75ms
 96 dim            5     9    300ns    500ns  1945444.      408B    195.   9999     1     5.14ms
 97 matrix         5    10    900ns    1.6µs   565764.      448B      0   10000     0    17.68ms
 98 dim            5    10    300ns    500ns  1835064.      448B      0   10000     0     5.45ms
 99 matrix         6     1    900ns    1.1µs   848752.        0B      0   10000     0    11.78ms
100 dim            6     1    300ns    400ns  2240394.        0B      0   10000     0     4.46ms
101 matrix         6     2    900ns      1µs   887530.        0B     88.8  9999     1    11.27ms
102 dim            6     2    300ns    400ns  2581245.        0B      0   10000     0     3.87ms
103 matrix         6     3    900ns      1µs   893919.      192B      0   10000     0    11.19ms
104 dim            6     3    300ns    400ns  1908215.      192B      0   10000     0     5.24ms
105 matrix         6     4    900ns      1µs   856311.      240B      0   10000     0    11.68ms
106 dim            6     4    300ns    400ns  2139037.      240B      0   10000     0     4.67ms
107 matrix         6     5    900ns    1.1µs   835233.      288B      0   10000     0    11.97ms
108 dim            6     5    300ns    400ns  2078916.      288B      0   10000     0     4.81ms
109 matrix         6     6    900ns      1µs   842865.      336B      0   10000     0    11.86ms
110 dim            6     6    300ns    400ns  2098988.      336B      0   10000     0     4.76ms
111 matrix         6     7    900ns    1.1µs   833583.      384B      0   10000     0       12ms
112 dim            6     7    300ns    400ns  2086811.      384B      0   10000     0     4.79ms
113 matrix         6     8    900ns    1.1µs   837052.      432B     83.7  9999     1    11.95ms
114 dim            6     8    300ns    400ns  2017919.      432B      0   10000     0     4.96ms
115 matrix         6     9    900ns    1.1µs   857207.      480B      0   10000     0    11.67ms
116 dim            6     9    300ns    400ns  2083637.      480B      0   10000     0      4.8ms
117 matrix         6    10    900ns    1.1µs   857765.      528B      0   10000     0    11.66ms
118 dim            6    10    300ns    400ns  2041275.      528B      0   10000     0      4.9ms
119 matrix         7     1    900ns      1µs   937488.        0B      0   10000     0    10.67ms
120 dim            7     1    300ns    400ns  2362949.        0B      0   10000     0     4.23ms
121 matrix         7     2    900ns      1µs   957818.        0B      0   10000     0    10.44ms
122 dim            7     2    300ns    400ns  2340002.        0B      0   10000     0     4.27ms
123 matrix         7     3    900ns    1.1µs   764631.      216B      0   10000     0    13.08ms
124 dim            7     3    300ns    500ns  1797753.      216B      0   10000     0     5.56ms
125 matrix         7     4    900ns    1.1µs   828370.      272B     82.8  9999     1    12.07ms
126 dim            7     4    300ns    400ns  2198334.      272B      0   10000     0     4.55ms
127 matrix         7     5    900ns    1.1µs   838385.      328B      0   10000     0    11.93ms
128 dim            7     5    300ns    400ns  2004771.      328B      0   10000     0     4.99ms
129 matrix         7     6    900ns    1.1µs   874508.      384B      0   10000     0    11.44ms
130 dim            7     6    300ns    400ns  2129835.      384B      0   10000     0      4.7ms
131 matrix         7     7    900ns    1.1µs   831076.      440B      0   10000     0    12.03ms
132 dim            7     7    300ns    500ns  1913949.      440B      0   10000     0     5.22ms
133 matrix         7     8    900ns    1.1µs   827671.      496B      0   10000     0    12.08ms
134 dim            7     8    300ns    500ns  1820300.      496B      0   10000     0     5.49ms
135 matrix         7     9    900ns    1.1µs   833820.      552B      0   10000     0    11.99ms
136 dim            7     9    300ns    500ns  1926590.      552B    193.   9999     1     5.19ms
137 matrix         7    10    900ns    1.1µs   849553.      608B      0   10000     0    11.77ms
138 dim            7    10    300ns    400ns  2093452.      608B      0   10000     0     4.78ms
139 matrix         8     1    900ns      1µs   941797.        0B      0   10000     0    10.62ms
140 dim            8     1    300ns    400ns  2572281.        0B      0   10000     0     3.89ms
141 matrix         8     2    900ns      1µs   957671.        0B      0   10000     0    10.44ms
142 dim            8     2    300ns    400ns  2314761.        0B      0   10000     0     4.32ms
143 matrix         8     3    900ns    1.1µs   794976.      240B      0   10000     0    12.58ms
144 dim            8     3    300ns    400ns  2066372.      240B      0   10000     0     4.84ms
145 matrix         8     4    900ns    1.1µs   846360.      304B      0   10000     0    11.81ms
146 dim            8     4    300ns    500ns  1897353.      304B      0   10000     0     5.27ms
147 matrix         8     5    900ns    1.1µs   833250.      368B      0   10000     0       12ms
148 dim            8     5    300ns    500ns  1962705.      368B    196.   9999     1     5.09ms
149 matrix         8     6    900ns      1µs   889150.      432B      0   10000     0    11.25ms
150 dim            8     6    300ns    400ns  2142658.      432B      0   10000     0     4.67ms
151 matrix         8     7    900ns    1.1µs   865928.      496B      0   10000     0    11.55ms
152 dim            8     7    300ns    400ns  1868775.      496B      0   10000     0     5.35ms
153 matrix         8     8    900ns    1.1µs   791127.      560B      0   10000     0    12.64ms
154 dim            8     8    300ns    500ns  1854806.      560B      0   10000     0     5.39ms
155 matrix         8     9    900ns    1.1µs   791621.      624B      0   10000     0    12.63ms
156 dim            8     9    300ns    500ns  1772998.      624B    177.   9999     1     5.64ms
157 matrix         8    10    900ns    1.1µs   790733.      688B      0   10000     0    12.65ms
158 dim            8    10    300ns    500ns  1824351.      688B      0   10000     0     5.48ms
159 matrix         9     1    900ns      1µs   887642.        0B      0   10000     0    11.27ms
160 dim            9     1    300ns    400ns  2254283.        0B      0   10000     0     4.44ms
161 matrix         9     2    900ns    1.1µs   831801.      192B      0   10000     0    12.02ms
162 dim            9     2    300ns    500ns  1798561.      192B      0   10000     0     5.56ms
163 matrix         9     3    900ns    1.1µs   784911.      264B      0   10000     0    12.74ms
164 dim            9     3    300ns    500ns  1848053.      264B      0   10000     0     5.41ms
165 matrix         9     4    900ns    1.1µs   750345.      336B      0   10000     0    13.33ms
166 dim            9     4    300ns    500ns  1798593.      336B      0   10000     0     5.56ms
167 matrix         9     5    900ns    1.1µs   790229.      408B     79.0  9999     1    12.65ms
168 dim            9     5    300ns    400ns  2005093.      408B      0   10000     0     4.99ms
169 matrix         9     6    900ns    1.1µs   812176.      480B      0   10000     0    12.31ms
170 dim            9     6    300ns    600ns  1378721.      480B      0   10000     0     7.25ms
171 matrix         9     7    900ns    1.1µs   799910.      552B      0   10000     0     12.5ms
172 dim            9     7    300ns    400ns  1978905.      552B      0   10000     0     5.05ms
173 matrix         9     8    900ns    1.1µs   839306.      624B      0   10000     0    11.91ms
174 dim            9     8    300ns    500ns  1693996.      624B      0   10000     0      5.9ms
175 matrix         9     9    900ns    1.1µs   800093.      696B     80.0  9999     1     12.5ms
176 dim            9     9    300ns    500ns  1803622.      696B      0   10000     0     5.54ms
177 matrix         9    10    900ns    1.1µs   797327.      768B      0   10000     0    12.54ms
178 dim            9    10    300ns    500ns  1832945.      768B      0   10000     0     5.46ms
179 matrix        10     1    900ns      1µs   938782.        0B      0   10000     0    10.65ms
180 dim           10     1    300ns    400ns  2211607.        0B      0   10000     0     4.52ms
181 matrix        10     2    900ns    1.1µs   752049.      208B      0   10000     0     13.3ms
182 dim           10     2    300ns    400ns  2084202.      208B      0   10000     0      4.8ms
183 matrix        10     3    900ns    1.1µs   789137.      288B     78.9  9999     1    12.67ms
184 dim           10     3    300ns    400ns  2044321.      288B      0   10000     0     4.89ms
185 matrix        10     4    900ns    1.1µs   793537.      368B      0   10000     0     12.6ms
186 dim           10     4    300ns    400ns  1962054.      368B      0   10000     0      5.1ms
187 matrix        10     5    900ns    1.1µs   785114.      448B      0   10000     0    12.74ms
188 dim           10     5    300ns    400ns  1963903.      448B      0   10000     0     5.09ms
189 matrix        10     6    900ns    1.1µs   779277.      528B      0   10000     0    12.83ms
190 dim           10     6    300ns    500ns  1758798.      528B      0   10000     0     5.69ms
191 matrix        10     7    900ns    1.1µs   804360.      608B     80.4  9999     1    12.43ms
192 dim           10     7    300ns    400ns  1926077.      608B      0   10000     0     5.19ms
193 matrix        10     8    900ns    1.1µs   799527.      688B      0   10000     0    12.51ms
194 dim           10     8    300ns    500ns  1829759.      688B      0   10000     0     5.46ms
195 matrix        10     9    900ns    1.1µs   823005.      768B      0   10000     0    12.15ms
196 dim           10     9    300ns    500ns  1897091.      768B    190.   9999     1     5.27ms
197 matrix        10    10    900ns    1.1µs   793626.      848B      0   10000     0     12.6ms
198 dim           10    10    300ns    500ns  1904182.      848B      0   10000     0     5.25ms
# 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

split(res_bm, res_bm$nr) |>
  setNames(paste0("r", 1:10)) |>
  purrr::imap(
    .f = \(x, idx) {
      ggplot2::autoplot(x) +
        ggplot2::facet_wrap(
          ggplot2::vars(nc),
          ncol = 5,
          labeller = ggplot2::labeller(nc = ggplot2::label_both)
        ) +
        ggplot2::labs(title = idx)
    }
  )
$r1


$r2


$r3


$r4


$r5


$r6


$r7


$r8


$r9


$r10

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    1.2µs   679538.        0B     68.0
 2 dim           10     1    300ns    500ns  1939413.        0B      0  
 3 matrix        10     2    1.2µs    1.5µs   635469.      208B      0  
 4 dim           10     2    300ns    500ns  1631508.      208B      0  
 5 matrix        10     3    1.2µs    1.5µs   586820.      288B      0  
 6 dim           10     3    400ns    500ns  1562061.      288B      0  
 7 matrix        10     4      1µs    1.3µs   695652.      368B      0  
 8 dim           10     4    300ns    500ns  1646145.      368B      0  
 9 matrix        10     5      1µs    1.2µs   712261.      448B      0  
10 dim           10     5    300ns    500ns  1853396.      448B      0  
11 matrix        10     6    1.1µs    1.4µs   623375.      528B     62.3
12 dim           10     6    300ns    500ns  1619722.      528B      0  
13 matrix        10     7    1.3µs    1.6µs   580616.      608B      0  
14 dim           10     7    400ns    500ns  1666667.      608B      0  
15 matrix        10     8    1.3µs    1.6µs   563812.      688B      0  
16 dim           10     8    400ns    500ns  1639882.      688B      0  
17 matrix        10     9    1.2µs    1.4µs   628472.      768B      0  
18 dim           10     9    300ns    500ns  1744348.      768B      0  
19 matrix        10    10    1.2µs    1.4µs   619276.      848B      0  
20 dim           10    10    400ns    500ns  1675154.      848B      0

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    900ns    1.7µs   542576.        0B      0  
 2 dim           10     1    300ns    500ns  1700362.        0B      0  
 3 matrix        10     2      1µs    1.4µs   618624.        0B      0  
 4 dim           10     2    400ns    500ns  1501163.        0B      0  
 5 matrix        10     3    900ns    1.3µs   637259.        0B      0  
 6 dim           10     3    300ns    400ns  1824818.        0B      0  
 7 matrix        10     4    900ns    1.2µs   688629.      208B      0  
 8 dim           10     4    300ns    500ns  1696410.      208B      0  
 9 matrix        10     5    900ns    1.5µs   538585.      248B     53.9
10 dim           10     5    300ns    600ns  1469767.      248B      0  
11 matrix        10     6    1.1µs    1.5µs   505410.      288B      0  
12 dim           10     6    400ns    500ns  1546145.      288B      0  
13 matrix        10     7    1.1µs    1.4µs   579287.      328B      0  
14 dim           10     7    400ns    500ns  1641524.      328B      0  
15 matrix        10     8    900ns    1.1µs   780043.      368B      0  
16 dim           10     8    300ns    500ns  1954461.      368B      0  
17 matrix        10     9    900ns    1.1µs   818371.      408B      0  
18 dim           10     9    300ns    500ns  1928380.      408B      0  
19 matrix        10    10    900ns    1.3µs   721267.      448B     72.1
20 dim           10    10    400ns    500ns  1741826.      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

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

Footnotes

  1. 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。↩︎

  2. 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。↩︎