Question

我有一个包含数千行的大型data.frame，我每次循环时都会从第1行创建一个子集，每次迭代增加一行。

在每个子集上，我执行了几个任务，这些任务来自对编程的pythonic理解，我执行'for'循环。例如。

df <- data.frame(a=c(1:10), b=c(11:20), c=c(21:30), d=c(31:40))
for (index in 1:nrow(df)) {
  thisSubset <- df[1: index,] 

  #loop 1  
  new1 <- ncumeric(nrow(thisSubset))
  for (i in 1:nrow(thisSubset)) {              
         var1 = 5 - thisSubset$b[i]        
         new1[i] <- 1/exp(var1*log(2));
  }
  #loop 2         
  new2 <- numeric()
  for (i in 1:nrow(thisSubset)) if (thisSubset$c[i] >25) {
    new2<- c(new2, (thisSubset$a[i]/exp(5*log(2))))
  } 
  #loop 3  
  new3 <- numeric(nrow(thisSubset)) 
  for (i in 1:nrow(thisSubset)) if (thisSubset$a[i] < 5) {
      new3[i] <- thisSubset$d[i]-thisSubset$d[i+1]/2
  } else {
    new3[i] <- thisSubset$d[i]-thisSubset$d[i-1]/2 
    }
  #loop x
  #... 
}

随着我的数据集变大，处理时间呈指数级增长到几个小时。我很欣赏在R中有更好的工作方式来执行类似的任务（例如应用），但是当每个循环中发生了几件事情以及每行使用多个元素时，我还能使用除“for”以外的任何东西吗？如果有人能给我一个上面提到的每个或任何循环的例子，我将不胜感激。

Answer 1

For循环并不比它们的表兄弟更慢（事实上，有时它们甚至可以更快！）。真正的速度增益来自于尽可能将显式for循环转换为矢量化代码。例如，代码中的循环1和循环2可以转换为矢量化语句，如下所示：

#loop 1 
new1 <- 1 / exp((5 - thisSubset$b) * log(2))

#loop 2         
new2 <- thisSubset$a[thisSubset$c > 25] / exp(5 * log(2))

当你的计算取决于向量的索引（例如在循环3中）时，事物变得有点棘手，但是确实存在具有各种＆＃34;滚动＆＃34;的有效实现的包。函数（有关详细信息，请参阅roll和zoo包。）

如果您确实需要使用for循环，请记住，您应该始终预先分配您的＆＃34;结果＆＃34;在开始迭代之前的向量而不是在迭代期间增长它：

#bad
new2 <- numeric()
for (i in 1:nrow(thisSubset)) {
  if (thisSubset$c[i] >25) {
    new2<- c(new2, (thisSubset$a[i]/exp(5*log(2))))
  }
} 

#good
new2 <- numeric(length = nrow(thisSubset))
for (i in 1:nrow(thisSubset)) {
  if (thisSubset$c[i] >25) {
    new2[i] <- (thisSubset$a[i]/exp(5*log(2)))
  }
}

这可以防止R在每次迭代后复制new2，从而产生更快的代码。

Answer 2

R是一种矢量化语言，因此大多数函数可以在单个语句中应用于整个列，而不会向下迭代每一行。例如，我向你的三个内部循环进行了矢量化：

df <- data.frame(a=c(1:10), b=c(11:20), c=c(21:30), d=c(31:40))

 thisSubset <- df

  #loop 1  
  new1 <- numeric(nrow(thisSubset))
    var1 = 5 - thisSubset$b       
    new1 <- 1/exp(var1*log(2));

  #loop 2         
  new2 <- numeric()
  new2<-  (thisSubset$a[thisSubset$c >25]/exp(5*log(2)))

  #loop 3  
  new3 <- numeric(nrow(thisSubset)) 
  dplus1 <-c(thisSubset$d[-1], thisSubset$d[length(thisSubset$d)])
  dminus1 <-c(thisSubset$d[1], thisSubset$d[-length(thisSubset$d)])
  new3<- ifelse((thisSubset$a < 5), thisSubset$d-dplus1/2, thisSubset$d-dminus1/2)
  #loop x
  #...

你的外环是不必要的有关其他评论，请参阅Mark的解决方案。

当涉及多个任务和/或if语句时，避免for循环

2 个答案: