加速R计算的行动

Question

我问这是关于R的一般/初学者问题，不是我所使用的软件包的具体问题。

我有一个dataframe，有300万行和15列。我不认为这是一个巨大的数据帧，但也许我错了。

我正在运行以下脚本并且它已经运行了2个多小时 - 我想我必须要做些什么才能加快速度。

代码：

ddply(orders, .(ClientID), NumOrders=len(OrderID))

这不是一个过于密集的剧本，或者说，我认为不是。

在数据库中，您可以向表中添加索引以提高连接速度。在R我是否应该在导入时执行类似操作以使函数/包运行得更快？

Answer 1

在我看来你可能想要：

orders$NumOrders <- with( orders( ave(OrderID  , ClientID) , FUN=length) )

（我不知道len（）函数存在。）

Answer 2

使用建议的data.table包，以下操作应该在一秒钟内完成工作：

orders[,list(NumOrders=length(OrderID)),by=ClientID]

Answer 3

您的所有代码似乎都是这样：

orders[order(orders$ClientID), ]

那会更快。