Эффективность при ранжировании дат с использованием data.table в R

Question

У меня есть данные о датах посещений и личных идентификаторов:

n  <- 1e6 
set.seed(42L) 
DT <- data.table(id = sample(1:37000, n, replace=TRUE), 
       date = as.Date("1963-07-13", "%Y-%m-%d") 
       - sample(1:9000, n, replace=TRUE)) 

Я добавляю переменную, которая ранжирует посещения для каждого человека. Посетите # 1, # 2 и т. Д. Если я не могу различать два посещения, они могут быть ранжированы любым (последовательным) способом.

После моего последнего question (по эффективности) Я понял, что должен научиться использовать data.table. Итак, мое текущее решение - с data.table - единственная проблема заключается в том, что для выполнения команды требуется несколько секунд.

> system.time(DT[, visit.n := rank(date, ties.method="first"), by = id] 
+) 
    user system elapsed 
    4.42 0.02 4.44 

Интересно, что я делаю что-то «неправильно» или просто нужно быть терпеливым и двигаться дальше.

Answer 1

Взятые из моего комментария:

Как @Frank отметил, setkey не является необходимым. Для этого используем order(date). Я также включил его пункт сохранения дат как целых чисел.

system.time({ 
    DT[, date := as.IDate(date)][order(date), visit.n := 1:.N, by=id] 
}) 

    user  system  elapsed 
    0.126  0.005  0.132