我有两个数据帧;一个是48行长，看起来像这样：
name = Z31
Est.Date Site Cultivar Planting
1 24/07/2011 Birchip Axe 1
2 08/08/2011 Birchip Bolac 1
3 24/07/2011 Birchip Derrimut 1
4 12/08/2011 Birchip Eaglehawk 1
5 29/07/2011 Birchip Gregory 1
6 29/07/2011 Birchip Lincoln 1
7 23/07/2011 Birchip Mace 1
8 29/07/2011 Birchip Scout 1
9 17/09/2011 Birchip Axe 2
10 19/09/2011 Birchip Bolac 2
另一个是＆gt; 23000行，包含模拟器的输出。它看起来像这样：
name = pred
Date maxt mint Cultivar Site Planting tt cum_tt
1 5/05/2011 18 6.5 Axe Birchip 1 12.25 0
2 6/05/2011 17.5 2.5 Axe Birchip 1 10 0
3 7/05/2011 18 2.5 Axe Birchip 1 10.25 0
4 8/05/2011 19.5 2 Axe Birchip 1 10.75 0
5 9/05/2011 17 4.5 Axe Birchip 1 10.75 0
6 10/05/2011 15.5 -0.5 Axe Birchip 1 7.5 0
7 11/05/2011 14 5.5 Axe Birchip 1 9.75 0
8 12/05/2011 19 8 Axe Birchip 1 13.5 0
9 13/05/2011 18.5 7.5 Axe Birchip 1 13 0
10 14/05/2011 16 3.5 Axe Birchip 1 9.75 0
我想要做的是让cum_tt列开始将当前行的tt列添加到前一行的cum_tt（累积加法），只要前缀DF中的日期等于或大于Z31 est.Date。我已经写了以下for循环：
for (i in 1:nrow(Z31)){
for (j in 1:nrow(pred)){
if (Z31[i,]$Site == pred[j,]$Site & Z31[i,]$Cultivar == pred[j,]$Cultivar & Z31[i,]$Planting == pred[j,]$Planting &
pred[j,]$Date >= Z31[i,]$Est.Date)
{
pred[j,]$cum_tt <- pred[j,]$tt + pred[j-1,]$cum_tt
}
}
}
这有效，但速度太慢，需要大约一个小时来运行整套。我知道循环不是R的强项，所以任何人都可以协助我对这个操作进行矢量化吗？
提前致谢。
更新
这是dput（Z31）的输出：
structure(list(Est.Date = structure(c(15179, 15194, 15179, 15198,
15184, 15184, 15178, 15184, 15234, 15236, 15230, 15238, 15229,
15236, 15229, 15231, 15155, 15170, 15160, 15168, 15165, 15159,
15170, 15170, 15191, 15205, 15198, 15203, 15202, 15195, 15203,
15206, 15193, 15193, 15195, 15200, 15193, 15205, 15200, 15205,
15226, 15245, 15231, 15259, 15241, 15241, 15241, 15241), class = "Date"),
Site = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L), .Label = c("Birchip", "Gatton",
"Tarlee"), class = "factor"), Cultivar = structure(c(1L,
2L, 3L, 4L, 5L, 6L, 7L, 8L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L,
1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 1L, 2L, 3L, 4L, 5L, 6L, 7L,
8L, 1L, 2L, 3L, 4L, 5L, 6L, 7L, 8L, 1L, 2L, 3L, 4L, 5L, 6L,
7L, 8L), .Label = c("Axe", "Bolac", "Derrimut", "Eaglehawk",
"Gregory", "Lincoln", "Mace", "Scout"), class = "factor"),
Planting = c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L,
2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 2L,
2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L,
2L, 2L, 2L, 2L, 2L, 2L, 2L)), .Names = c("Est.Date", "Site",
"Cultivar", "Planting"), row.names = c(NA, -48L), class = "data.frame")
这是pred。请注意，这里有一些额外的colums。为了便于阅读，我刚刚将上述相关内容纳入其中。
structure(list(Date = structure(c(15099, 15100, 15101, 15102,
15103, 15104, 15105, 15106, 15107, 15108, 15109, 15110, 15111,
15112, 15113, 15114, 15115, 15116, 15117, 15118), class = "Date"),
flowering_das = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L,
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), Zadok = c(9, 9,
9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 11, 11.032, 11.085,
11.157), stagename = structure(c(8L, 8L, 8L, 8L, 8L, 8L,
8L, 8L, 9L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 1L, 3L, 3L, 3L), .Label = c("emergence",
"end_grain_fill", "end_of_juvenil", "floral_initiat", "flowering",
"germination", "maturity", "out", "sowing", "start_grain_fi"
), class = "factor"), node_no = c(0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0, 0, 0, 0, 2, 2.032, 2.085, 2.157), maxt = c(18,
17.5, 18, 19.5, 17, 15.5, 14, 19, 18.5, 16, 16, 15, 16.5,
16.5, 20.5, 23, 25.5, 16.5, 16.5, 15), mint = c(6.5, 2.5,
2.5, 2, 4.5, -0.5, 5.5, 8, 7.5, 3.5, 6, 1, 5.5, 2, 7, 7,
9, 13.5, 11.5, 8.5), Cultivar = c("Axe", "Axe", "Axe", "Axe",
"Axe", "Axe", "Axe", "Axe", "Axe", "Axe", "Axe", "Axe", "Axe",
"Axe", "Axe", "Axe", "Axe", "Axe", "Axe", "Axe"), Site = c("Birchip",
"Birchip", "Birchip", "Birchip", "Birchip", "Birchip", "Birchip",
"Birchip", "Birchip", "Birchip", "Birchip", "Birchip", "Birchip",
"Birchip", "Birchip", "Birchip", "Birchip", "Birchip", "Birchip",
"Birchip"), Planting = c("1", "1", "1", "1", "1", "1", "1",
"1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1", "1",
"1"), `NA` = c("Birchip TOS1 Axe.out", "Birchip TOS1 Axe.out",
"Birchip TOS1 Axe.out", "Birchip TOS1 Axe.out", "Birchip TOS1 Axe.out",
"Birchip TOS1 Axe.out", "Birchip TOS1 Axe.out", "Birchip TOS1 Axe.out",
"Birchip TOS1 Axe.out", "Birchip TOS1 Axe.out", "Birchip TOS1 Axe.out",
"Birchip TOS1 Axe.out", "Birchip TOS1 Axe.out", "Birchip TOS1 Axe.out",
"Birchip TOS1 Axe.out", "Birchip TOS1 Axe.out", "Birchip TOS1 Axe.out",
"Birchip TOS1 Axe.out", "Birchip TOS1 Axe.out", "Birchip TOS1 Axe.out"
), tt = c(12.25, 10, 10.25, 10.75, 10.75, 7.5, 9.75, 13.5,
13, 9.75, 11, 8, 11, 9.25, 13.75, 15, 17.25, 15, 14, 11.75
), cum_tt = c(0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
0, 0, 0, 0, 0)), .Names = c("Date", "flowering_das", "Zadok",
"stagename", "node_no", "maxt", "mint", "Cultivar", "Site", "Planting",
NA, "tt", "cum_tt"), row.names = c(NA, 20L), class = "data.frame")
更新
感谢大家的帮助。我仍然是传统做事的新手，我无法及时实施一些更复杂的解决方案。对于Subs建议的方式，我有一些时间。它足够快，现在可以做我需要的。这些数字是以Z为单位的一次迭代的秒数。
我的方式：59.77
Subs：14.62
使用数字日期的订阅：11.12
答案 0 :(得分：5)
当然，我们可以在几秒钟内做到这一点......我的第一个答案就在这里，所以请温柔一点！
## first make sure we have dates in a suitable format for comparison
## by using strptime, creating the columns estdate_tidy and date_tidy
## in Z31 and pred respectively
Z31$estdate_tidy = strptime(as.character(Z31$Est.Date), "%d/%m/%Y")
pred$date_tidy = strptime(as.character(pred$Date), "%d/%m/%Y")
## now map the estdate_tidy column over to pred using the match command -
## Z31_m and pred_m are dummy variables that hopefully make this clear
Z31_m = paste(Z31$Site, Z31$Cultivar, Z31$Planting)
pred_m = paste(pred$Site, pred$Cultivar, pred$Planting)
pred$estdate_tidy = Z31$estdate_tidy[match(pred_m, Z31_m)]
## then define a ttfilter column that copies tt, except for being 0 when
## estdate_tidy is after date_tidy (think this is what you described)
pred$ttfilter = ifelse(pred$date_tidy >= pred$estdate_tidy, pred$tt, 0)
## finally use cumsum function to sum this new column up (looks like you
## wanted the answer in cum_tt so I've put it there)
pred$cum_tt = cumsum(pred$ttfilter)
希望这会有所帮助：）
更新（6月7日）：
处理新规范的矢量化代码 - 即每个条件（网站/品种/种植）应单独完成的cumsum - 如下所示：
Z31$Lookup=with(Z31,paste(Site,Cultivar,Planting,sep="~"))
Z31$LookupNum=match(Z31$Lookup,unique(Z31$Lookup))
pred$Lookup=with(pred,paste(Site,Cultivar,Planting,sep="~"))
pred$LookupNum=match(pred$Lookup,unique(pred$Lookup))
pred$Est.Date = Z31$Est.Date[match(pred$Lookup,Z31$Lookup)]
pred$ttValid = (pred$Date>=pred$Est.Date)
pred$ttFiltered = ifelse(pred$ttValid, pred$tt, 0)
### now fill in cumsum of ttFiltered separately for each LookupNum
pred$cum_tt_Z31 = as.vector(unlist(tapply(pred$ttFiltered,
pred$LookupNum,cumsum)))
我的机器上的运行时间是0.16秒，最后的pred$cum_tt_Z31列与非矢量化代码的答案完全匹配：）
为了完整性，值得注意的是，上面的最后一个复杂的tapply行可以用以下更简单的方法替换，在48个可能的情况下使用短循环：
pred$cum_tt_Z31 = rep(NA, nrow(pred))
for (lookup in unique(pred$Lookup)) {
subs = which(pred$Lookup==lookup)
pred$cum_tt_Z31[subs] = cumsum(pred$ttFiltered[subs])
}
运行时只会略微增加到0.25秒左右，因为这里的循环非常小，并且在循环内完成的工作是矢量化的。
认为我们破解了它！ ：）
关于矢量化的一些快速观察（6月8日）：
矢量化过程步骤的过程使运行时间从接近一小时减少到总计0.16秒。即使允许不同的机器速度，这也是至少10,000倍的加速，这使得2-5的因素相形见绌，这可能会产生微小的调整，但仍保留循环结构。
要进行的第一个关键观察：在解决方案中，每一行都创建 - 没有循环 - 一个与Z31或pred中的列长度相同的整个新向量。为了整洁，我经常发现将这些新向量创建为新的数据框列非常有用，但显然这不是必需的。
第二次观察：使用“paste'n'match”策略将所需的Est.Date列从Z31正确传输到pred。有这种任务的替代方法（例如使用合并），但我采取这种方式，因为它完全是故障安全的并且保证在pred中保持顺序（这是至关重要的）。基本上，粘贴操作只允许您一次匹配多个字段，因为如果粘贴的字符串匹配，那么它们的所有组成部分都匹配。我使用〜作为分隔符（假设我知道符号不会出现在任何字段中），以避免粘贴操作导致任何歧义。如果你使用空格分隔符，那么粘贴像“AB”，“C”，“D”这样的东西会得到与粘贴相同的结果（“A”，“BC”，“D”） - 我们希望避免任何头痛！
第三个观察：很容易对逻辑运算进行矢量化，例如查看一个向量是否超过另一个向量（请参阅pred $ ttValid），或者根据向量的值选择一个值或另一个值（请参阅pred $ ttFiltered）。在目前的情况下，这些可以合并为一行，但作为示范，我把事情分解了一点。
第四个观察：创建pred $ cum_tt_Z31的最后一行基本上只使用tapply对应于pred $ LookupNum的每个单独值的行执行cumsum操作，这允许您在不同的行组上应用相同的函数（在这里，我们通过pred $ LookupNum进行分组。 pred $ LookupNum的定义在这里有很大帮助 - 它是一个块为1的数字索引，后跟一个2s的块，依此类推。这意味着从tapply出来的最终cumsum向量列表可以简单地不列出并放入向量中并自动按正确的顺序排列。如果你按照这样的顺序进行tapply和split分组，你通常需要一些额外的代码行才能正确地重新匹配（尽管它并不棘手）。
最后观察：如果最终的tapply太可怕了，那么值得强调的是，如果循环中的工作很好地被矢量化，那么在少数情况下快速循环（48个说）并不总是灾难性的。 UPDATE部分末尾的“替代方法”表明，通过预先准备一个答案列（最初是所有的NA），然后逐个完成48个子集并填写，可以实现集群上的cumsum步骤。每个块都有适当的cumsum。正如文中所述，这一步骤的速度大约是聪明的tapply方法的一半，如果需要更多的子集，这将会慢得多。
如果有人对此类任务有任何跟进问题，请随时给我一个大喊。
答案 1 :(得分：1)
快速解决方案是将循环外的向量定义为：
temp_cumtt=c(rep(0,nrow(pred)))
然后使用它：
if (Z31[i,2] == pred[j,5] & Z31[i,3] == pred[j,4] & Z31[i,4] == pred[j,6] & pred[j,1] >= Z31[i,1]){
temp_cumtt[j]=pred[j,7] + pred[j-1,8]
}
而不是直接更新data.frame列。
离开循环后，您可以更新列：
pred$cum_tt = temp_cumtt
另一件事是，从j-1开始使用索引为j的{{1}}时，您必须要小心。在您的示例中，它不会导致该条件问题。
编辑：
现在看看你的数据格式，我有这些建议。
1）不要转换为1类，而是将其保存为值向量。
2）根据日期向量对Date data_frame进行排序：Z31（因为你要比较pred [，日期索引]＆gt; = Z31 [，日期索引]，所以按降序排列/ p>
3）将第一个循环用作Z31=Z31[with(Z31, order(-Date)), ]。首先采用pred的日期 - ＆gt; pred并尝试二进制排序并找到它满足的Z31中的哪个索引，并从该索引开始向下列表。如果pred[i,1]条件满足，则检查其余条件并像以前一样填充Date。
这应该是非常快速的（因为二进制排序仅在48行temp_cumtt[i]上，你可以将运行时间与其他解决方案进行比较。
答案 2 :(得分：0)
让我们使用data.table，这应该可以加快速度。
Z31 <- data.table(Z31,key="Site,Cultivar,Planting")
pred <- data.table(pred)
## First, let's create an extra column in `pred` to see the corresponding date from `Z31`
## Note 1: The JT is necessary since both sets have the same column names
## Note 2: I needed to use as.integer on Planting to make it work
pred[,Z31Est.Date:={JT=J(Site,Cultivar,as.integer(Planting)); Z31[JT,Est.Date][[4]]}]
## Now we can see for each row whether the date in `pred` is higher than or equal to that from `Z31`.
pred[,DateTrue:=Date>=Z31Est.Date]
## Finally, we only have to add up `pred[i,tt]` and `pred[i-1,cum_tt]` for each row where `DateTrue` equals `TRUE`.
for (i in 1:nrow(pred)) set(pred,i,13L,if(pred[i,DateTrue]) pred[i-1,cum_tt]+pred[i,tt] else(0))