From 45f2ea6281db6e3dac784c0adc83dce6537d3241 Mon Sep 17 00:00:00 2001
From: seonghobae <8172694+seonghobae@users.noreply.github.com>
Date: Sat, 12 Sep 2026 19:06:45 +0000
Subject: [PATCH 1/3] =?UTF-8?q?=E2=9A=A1=20Bolt:=20=EA=B3=A0=EC=9C=A0?=
 =?UTF-8?q?=EA=B0=92=20=EA=B3=84=EC=82=B0=20=EC=8B=9C=20na.omit=20?=
 =?UTF-8?q?=EB=8C=80=EC=8B=A0=20logical=20indexing=20=EC=82=AC=EC=9A=A9?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

stats::na.omit 호출로 인한 불필요한 메서드 디스패치 및 속성 할당을 방지하여
sum(!is.na(unique(x))) 패턴으로 성능을 최적화함.
---
 .jules/bolt.md | 3 +++
 R/aFIPC.R      | 4 ++--
 R/surveyFA.R   | 2 +-
 3 files changed, 6 insertions(+), 3 deletions(-)

diff --git a/.jules/bolt.md b/.jules/bolt.md
index 7d3c603f..04e6ef5d 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.
+## 2024-09-12 - [na.omit() 대신 logical indexing을 활용한 고유값 계산 최적화]
+**Learning:** R에서 `length(unique(stats::na.omit(x)))` 대신 `sum(!is.na(unique(x)))`를 사용하면 메서드 디스패치와 추가 메모리 할당(na.action) 오버헤드를 줄여 실행 성능을 높일 수 있다.
+**Action:** 고유값 개수를 샐 때 NA를 제외하는 경우 항상 논리 인덱싱의 합계를 사용하는 패턴을 적용해야 한다.
diff --git a/R/aFIPC.R b/R/aFIPC.R
index 62546519..c8bdc58a 100644
--- a/R/aFIPC.R
+++ b/R/aFIPC.R
@@ -770,8 +770,8 @@ autoFIPC <-
       if (
         !is.na(newFormItemName) &&
         !is.na(oldFormItemName) &&
-          (length(stats::na.omit(unique(newFormModel@Data$data[, newFormItemName]))) ==
-            length(stats::na.omit(unique(oldFormModel@Data$data[, oldFormItemName]))))
+          (sum(!is.na(unique(newFormModel@Data$data[, newFormItemName]))) ==
+            sum(!is.na(unique(oldFormModel@Data$data[, oldFormItemName]))))
       ) {
         message(
           'applying ',
diff --git a/R/surveyFA.R b/R/surveyFA.R
index f60fffd8..787c1cc9 100644
--- a/R/surveyFA.R
+++ b/R/surveyFA.R
@@ -83,7 +83,7 @@ surveyFA <- function(
   response_data <- as.data.frame(data)
   response_data <-
     response_data[, vapply(response_data, function(column) {
-      nunique <- length(unique(stats::na.omit(column)))
+      nunique <- sum(!is.na(unique(column)))
       nunique >= 2L
     }, logical(1L))]
 

From 3131dba259cfec0f080d9e52b980feeb5cdd991d Mon Sep 17 00:00:00 2001
From: Seongho Bae <me@seonghobae.me>
Date: Sun, 13 Sep 2026 16:00:03 +0900
Subject: [PATCH 2/3] test: pin non-missing category count semantics

---
 .../testthat/test-optimization-equivalence.R  | 44 +++++++++++++------
 1 file changed, 30 insertions(+), 14 deletions(-)

diff --git a/tests/testthat/test-optimization-equivalence.R b/tests/testthat/test-optimization-equivalence.R
index 02ce2f74..7399a66c 100644
--- a/tests/testthat/test-optimization-equivalence.R
+++ b/tests/testthat/test-optimization-equivalence.R
@@ -1,6 +1,6 @@
 # Formula-integrity regression guards for performance refactors.
 #
-# These tests pin the two formula-bearing expressions that recent "Bolt"
+# These tests pin the formula-bearing expressions that recent "Bolt"
 # performance refactors rewrote, so any future re-optimization that silently
 # changes their meaning is caught. Values below are hand-computed references,
 # not a re-encoding of the current implementation.
@@ -18,36 +18,52 @@
 #     Row 1 = old-form anchor names, row 2 = new-form anchor names, restricted
 #     to the columns that survived IPD screening (CommonItemList_NOIPD).
 
-test_that("category-count guard counts distinct non-missing categories (#56)", {
+test_that("category-count guard counts distinct non-missing categories (#56, #367)", {
   vecs <- list(
-    dichotomous       = c(0, 1, 0, 1, 1, 0),
+    dichotomous = c(0, 1, 0, 1, 1, 0),
     trichotomous_w_na = c(0, 1, 2, NA, 2, 1, 0),
-    constant          = c(0, 0, 0, 0),
+    constant = c(0, 0, 0, 0),
+    all_missing = c(NA_real_, NA_real_),
+    nan_and_na = c(1, NaN, NA, 1),
+    factor_w_na = factor(c("a", "b", NA, "a")),
     four_category_w_na = c(0, 1, 2, 3, 3, NA, 1)
   )
 
   # Independent hand-computed reference (distinct non-missing categories).
   expected <- c(
-    dichotomous        = 2L,
-    trichotomous_w_na  = 3L,
-    constant           = 1L,
-    four_category_w_na = 4L
+    dichotomous = 2,
+    trichotomous_w_na = 3,
+    constant = 1,
+    all_missing = 0,
+    nan_and_na = 1,
+    factor_w_na = 2,
+    four_category_w_na = 4
   )
 
-  new_idiom <- vapply(
+  previous_idiom <- vapply(
     vecs,
     function(x) length(na.omit(unique(x))),
-    integer(1)
+    numeric(1)
+  )
+  current_idiom <- vapply(
+    vecs,
+    function(x) sum(!is.na(unique(x))),
+    numeric(1)
   )
   legacy_idiom <- vapply(
     vecs,
     function(x) length(levels(as.factor(x))),
-    integer(1)
+    numeric(1)
   )
 
-  expect_equal(new_idiom, expected)
-  # The refactor must remain equivalent to the pre-#56 expression.
-  expect_equal(unname(new_idiom), unname(legacy_idiom))
+  expect_equal(previous_idiom, expected)
+  expect_equal(current_idiom, expected)
+  expect_equal(current_idiom, previous_idiom)
+
+  # The historical factor-level expression is equivalent for the ordinary
+  # observed-category fixtures where conversion to factor is well-defined.
+  ordinary <- c("dichotomous", "trichotomous_w_na", "constant", "four_category_w_na")
+  expect_equal(unname(previous_idiom[ordinary]), unname(legacy_idiom[ordinary]))
 })
 
 test_that("IPD anchor extraction keeps old/new rows and screened columns (#99)", {

From 036f380e20d53fb45ff47c0aa7efec77383970a1 Mon Sep 17 00:00:00 2001
From: Seongho Bae <me@seonghobae.me>
Date: Sun, 13 Sep 2026 16:00:32 +0900
Subject: [PATCH 3/3] docs: remove unmeasured optimization doctrine

---
 .jules/bolt.md | 3 ---
 1 file changed, 3 deletions(-)

diff --git a/.jules/bolt.md b/.jules/bolt.md
index 04e6ef5d..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.
-## 2024-09-12 - [na.omit() 대신 logical indexing을 활용한 고유값 계산 최적화]
-**Learning:** R에서 `length(unique(stats::na.omit(x)))` 대신 `sum(!is.na(unique(x)))`를 사용하면 메서드 디스패치와 추가 메모리 할당(na.action) 오버헤드를 줄여 실행 성능을 높일 수 있다.
-**Action:** 고유값 개수를 샐 때 NA를 제외하는 경우 항상 논리 인덱싱의 합계를 사용하는 패턴을 적용해야 한다.