From 3466e7a4ba23662105e107111191306fdb025f86 Mon Sep 17 00:00:00 2001 From: seonghobae <8172694+seonghobae@users.noreply.github.com> Date: Wed, 2 Sep 2026 16:09:53 +0000 Subject: [PATCH 1/2] perf: optimize IPDgroup factor creation with explicit levels Replaced `as.factor()` with `factor(..., levels=c('newForm', 'oldForm'))` to avoid O(N) overhead associated with level inference and string sorting during the factor creation. --- .jules/bolt.md | 3 +++ R/aFIPC.R | 4 ++-- 2 files changed, 5 insertions(+), 2 deletions(-) diff --git a/.jules/bolt.md b/.jules/bolt.md index 7d3c603f..f4eb679e 100644 --- a/.jules/bolt.md +++ b/.jules/bolt.md @@ -16,3 +16,6 @@ ## 2025-02-12 - R 언어에서 반복적인 mirt 모델 생성 시 불필요한 데이터프레임 부분집합 추출 최적화 **Learning:** R에서 데이터프레임의 특정 열을 추출하는 작업(`df[cols]`)은 O(N)의 메모리 복사를 수반합니다. `autoFIPC`에서 `mirt` 모델의 파라미터를 설정하거나 호출하는 과정 중에 `newformXDataK[colnames(newFormModel@Data$data)]` 코드가 반복해서 사용되었고, 심지어 `ncol()`을 위해 단순히 개수를 구할 때도 사용되어 불필요한 메모리 할당과 오버헤드를 초래했습니다. **Action:** 조건문이나 반복문 내부에서 불필요하게 데이터프레임 부분집합 연산이 반복되지 않도록 외부에서 한 번만 `linkedFormData <- newformXDataK[colnames(newFormModel@Data$data)]`로 캐싱(caching)한 뒤, `ncol(linkedFormData)`와 `data = linkedFormData` 형태로 재사용하여 메모리 복사와 O(N) 오버헤드를 방지해야 합니다. +## 2026-09-02 - R 언어에서 factor 생성 시 명시적 수준 지정으로 O(N) 오버헤드 최적화 +**Learning:** R에서 `as.factor()`를 사용해 요인을 생성하면 데이터를 스캔하고 정렬하여 레벨을 추론하는 오버헤드가 발생합니다. +**Action:** 레벨이 이미 알려진 경우 `factor(..., levels = c(...))` 형식으로 레벨을 명시적으로 제공하여 추론 과정을 우회하고 성능을 최적화할 수 있습니다. diff --git a/R/aFIPC.R b/R/aFIPC.R index 62546519..3f336635 100644 --- a/R/aFIPC.R +++ b/R/aFIPC.R @@ -613,10 +613,10 @@ autoFIPC <- if (checkIPD == T) { # config IPDgroup <- - as.factor(c( + factor(c( rep('oldForm', nrow(oldformYDataK)), rep('newForm', nrow(newformXDataK)) - )) + ), levels = c('newForm', 'oldForm')) IPDItemCount <- 0 # IPD target item checking From 249217b00d92802ab4bccaafcb02e00fe093cb84 Mon Sep 17 00:00:00 2001 From: Seongho Bae Date: Sun, 6 Sep 2026 13:02:59 +0900 Subject: [PATCH 2/2] test(ipd): characterize explicit factor level equivalence --- .jules/bolt.md | 3 --- .../test-ipdgroup-factor-equivalence.R | 19 +++++++++++++++++++ 2 files changed, 19 insertions(+), 3 deletions(-) create mode 100644 tests/testthat/test-ipdgroup-factor-equivalence.R diff --git a/.jules/bolt.md b/.jules/bolt.md index f4eb679e..7d3c603f 100644 --- a/.jules/bolt.md +++ b/.jules/bolt.md @@ -16,6 +16,3 @@ ## 2025-02-12 - R 언어에서 반복적인 mirt 모델 생성 시 불필요한 데이터프레임 부분집합 추출 최적화 **Learning:** R에서 데이터프레임의 특정 열을 추출하는 작업(`df[cols]`)은 O(N)의 메모리 복사를 수반합니다. `autoFIPC`에서 `mirt` 모델의 파라미터를 설정하거나 호출하는 과정 중에 `newformXDataK[colnames(newFormModel@Data$data)]` 코드가 반복해서 사용되었고, 심지어 `ncol()`을 위해 단순히 개수를 구할 때도 사용되어 불필요한 메모리 할당과 오버헤드를 초래했습니다. **Action:** 조건문이나 반복문 내부에서 불필요하게 데이터프레임 부분집합 연산이 반복되지 않도록 외부에서 한 번만 `linkedFormData <- newformXDataK[colnames(newFormModel@Data$data)]`로 캐싱(caching)한 뒤, `ncol(linkedFormData)`와 `data = linkedFormData` 형태로 재사용하여 메모리 복사와 O(N) 오버헤드를 방지해야 합니다. -## 2026-09-02 - R 언어에서 factor 생성 시 명시적 수준 지정으로 O(N) 오버헤드 최적화 -**Learning:** R에서 `as.factor()`를 사용해 요인을 생성하면 데이터를 스캔하고 정렬하여 레벨을 추론하는 오버헤드가 발생합니다. -**Action:** 레벨이 이미 알려진 경우 `factor(..., levels = c(...))` 형식으로 레벨을 명시적으로 제공하여 추론 과정을 우회하고 성능을 최적화할 수 있습니다. diff --git a/tests/testthat/test-ipdgroup-factor-equivalence.R b/tests/testthat/test-ipdgroup-factor-equivalence.R new file mode 100644 index 00000000..a7527366 --- /dev/null +++ b/tests/testthat/test-ipdgroup-factor-equivalence.R @@ -0,0 +1,19 @@ +test_that("explicit IPD group levels preserve the protected factor contract", { + cardinalities <- list( + c(old_form = 1L, new_form = 1L), + c(old_form = 3L, new_form = 5L), + c(old_form = 37L, new_form = 61L) + ) + + for (sizes in cardinalities) { + labels <- c( + rep("oldForm", sizes[["old_form"]]), + rep("newForm", sizes[["new_form"]]) + ) + protected <- as.factor(labels) + candidate <- factor(labels, levels = c("newForm", "oldForm")) + + expect_identical(candidate, protected) + expect_identical(levels(candidate), c("newForm", "oldForm")) + } +})