⚡ Bolt: R 데이터 프레임 연산 및 팩터 변환 병목 최적화

.Rbuildignore

@@ -22,3 +22,6 @@
 ^\.jules(/.*)?$
 ^\.trivyignore\.yaml$
 ^trivy\.yaml$
+^\.semgrepignore$
+^test_dummy\.R$
+^test_validation\.R$

.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.
+## 2025-05-18 - R 언어에서 데이터 프레임 연산 병목 최적화
+**Learning:** 2차원 데이터 프레임 할당(`df[idx, "col"] <- val`) 방식은 메서드 디스패치 오버헤드를 발생시킵니다. 또한 `as.factor()`를 통한 자동 레벨 추론이나 `colnames(df[cols])`와 같이 단순히 열 이름을 추출하기 위해 데이터 프레임을 서브셋팅하는 작업은 중복된 메모리 할당 및 복사 오버헤드를 유발하여 성능을 크게 저하시킵니다.
+**Action:** 2차원 할당을 직접적인 벡터 서브셋팅(`df$col[idx] <- val`)으로 대체하고, 열 이름 매칭을 위해 O(N) 서브셋팅 대신 `intersect(colnames(df), cols)`를 사용해야 합니다. 팩터 변환 시에는 수준 추론 오버헤드를 피하기 위해 `factor(..., levels=c(...))`와 같이 사전에 레벨을 명시적으로 정의해야 합니다.