R 4.3.2中match函数处理日期/datetime为何比4.2.2慢？求优化方案

问题重现 #

将R从4.2.2升级到4.3.2后，发现match()函数处理POSIXct（日期时间）或Date类型时性能显著下降。以下是测试验证：

R 4.2.2测试代码及结果 #

sessionInfo()$R.version$version.string    #"R version 4.2.2 (2022-10-31 ucrt)"
tictoc::tic()
datetimes <- seq(as.POSIXct('1900-01-01 00:00:00'), as.POSIXct('2000-01-01 00:00:00'), by = 'hour')
match(datetimes[1], datetimes)
tictoc::toc()   # 0 sec elapsed

R 4.3.2测试代码及结果 #

sessionInfo()$R.version$version.string    #"R version 4.3.2 (2023-10-31 ucrt)"
tictoc::tic()
datetimes <- seq(as.POSIXct('1900-01-01 00:00:00'), as.POSIXct('2000-01-01 00:00:00'), by = 'hour')
match(datetimes[1], datetimes)
tictoc::toc()   # 1.69 sec elapsed

经确认，两个版本生成的datetimes对象结构、内容完全一致，且匹配整数类型时无此性能差异，问题根源在match()函数的版本实现差异。

性能差异原因 #

从R 4.3.0版本的变更日志来看，核心原因是日期/日期时间类型的匹配逻辑被重构：

• R 4.2.x及更早版本中，match()处理POSIXct/Date时，会直接使用其底层存储的数值（POSIXct是双精度型的秒数，Date是整数型的天数）进行匹配，本质等同于对数值向量的快速匹配。
• R 4.3.x版本中，为了严格处理时区不一致、日期时间格式合法性等边缘场景，match()增加了对日期时间对象的类型校验、时区一致性检查，并且改为逐元素进行完整的日期时间值比较，而非直接复用底层数值的哈希或快速匹配逻辑，这导致大向量下的匹配开销大幅上升。

R 4.3.2下的提速方案 #

无需强制使用match()，以下几种方法可以恢复甚至超越旧版本的性能：

方案1：转换为底层数值匹配 #

直接提取日期时间对象的底层数值进行匹配，完全复用旧版本的快速匹配逻辑：

tictoc::tic()
match(as.numeric(datetimes[1]), as.numeric(datetimes))
tictoc::toc()   # ~0 sec elapsed

对于Date类型，可使用as.integer()替代as.numeric()，效果一致。

方案2：利用有序向量的二分查找（适用于有序场景） #

如果你的日期/日期时间向量是有序的（如示例中用seq()生成的序列），使用findInterval()进行二分查找，性能远高于常规匹配：

tictoc::tic()
findInterval(datetimes[1], datetimes) + 1  # 加1是因为findInterval返回左区间索引
tictoc::toc()   # ~0 sec elapsed

方案3：使用which()快速定位首个匹配项 #

如果仅需找到第一个匹配的位置，which()配合相等判断的性能也优于新版match()：

tictoc::tic()
which(datetimes == datetimes[1])[1]
tictoc::toc()   # ~0.1 sec elapsed（略逊于前两种，但远快于新版match）

内容的提问来源于stack exchange，提问作者jruf003