Question

我需要遍历数据框df，其中

colnames(df) == c('year','month','a','id','dollars')

我需要遍历所有通过

找到的唯一对('a','id')

counts <- count(df, c('area','normalid'))
uniquePairs <- counts[ counts$freq > 10, c('a','id') ]

接下来，我遍历每个唯一的对，找到相应的行（我已经恰当地命名了uniquePairs的每一列）：

aVec <- as.vector( uniquePairs$a )
idVec <- as.vector( uniquePairs$id )
for (i in 1:length(uniquePairs))
{
    a <- aVec[i]
    id <- idVec[i]

    selectRows <- (df$a==a & df$id==id)
    # ... get those rows and do stuff with them ...
    df <- df[!selectRows,] # so lookups are slightly faster next time through
    # ...
}

我知道一般来说不鼓励循环，但在这种情况下我认为这是合适的。至少在我看来这与这个问题无关，但也许更有效的方法就是摆脱循环。

数据框中有10-100k行，有意义的是它在查找时间和nrow(df)之间的关系比线性更差（尽管我没有测试过）。

现在unique必须已经看到每个对出现的位置，即使它没有保存它。有没有办法保存它，所以我有一个布尔矢量，我可以用于每个对，以更有效地从数据帧中选择它们？或者是否有另一种更好的方法来做到这一点？

我有一种感觉，plyr或reshape的一些使用可以帮助我，但我仍然相对较新的大R生态系统，所以一些指导将非常感激。

Answer 1

到目前为止

data.table是您最好的选择：

dt = data.table(df)
dt[,{do stuff in here, then leave results in list form},by=list(a, id)]

对于某个变量的平均值的简单情况：

dt[,list(Mean = mean(dollars)), by = list(a, id)]

在R中分割和访问数据帧行的最有效方法是什么？

1 个答案: