Question

我有list data.frames。每个data.frame不是很大~150,000行。但是我的列表中有超过1000个data.frames。

data.frame看起来像：

comp <- read.table(text = " G T H S B
                             1 1 1 1 x1
                             1 1 1 2 x2
                             1 2 6 1 x3
                             1 2 6 2 x4
                             2 1 7 1 x1
                             2 2 8 2 x2
                             2 2 8 1 x1
                             2 3 9 2 x2",header=TRUE,stringsAsFactors=FALSE)

所以列表是：

complist <- list(comp,comp,comp)

我想了解每个data.frame，comp）B的长度S，每个H中每个T G每个library(plyr) listresults <- lapply(complist, function(x) { res <- ddply(x, .(G,T,H,S), function(z) data.frame(resultcol = length(z$B)) ) } )。

因此，对于我的小练习，我使用：

Aggregate

但是在我的较大名单上，这是一个非常长的问题，有人可以帮我找到更快的方法吗？ sapply(split))不是此处的选项，我一直未能使用ddply替代{{1}}。建议即使不是实际代码对我也有帮助。

Answer 1

这种情况data.table可能是一个非常好的选择。 data.table一直表现得非常快，更为明显plyr。这里有很多关于SO的例子，参见例如：

这只是可用信息的一小部分，您可以查看data.table的文档，或查看SO上的[r][data.table]标记。

Answer 2

使用data.table可以加快速度。这是你如何做到的。

require(data.table)
o <- lapply(1:length(complist), function(i) { 
    dt <- data.table(complist[[i]], key=c("S", "H", "T", "G"))
    dt[, list(resultcol = .N), by=c("S", "H", "T", "G")]
})

Answer 3

尝试使用data.table：

lapply(complist, function(df) {
  df <- data.table(df, key=c("G","T","H","S"))
  df[,length(B),by=c("G","T","H","S")]
})

免责声明：这是我第一次使用data.table，所以请小心这个答案：）

大ddply，适当的替代方案

3 个答案: