Question

我发现每个级别的因子循环都很慢。

数据是某些列车的时间表：

 col1      col2       col3     col4            col5
 train    start     density    starttime     arrivaltime
[factor] [factor]  [factor]   [date&time]   [date&time]

有10米行。有大约1k列车，所以每列火车有~10k排。

我尝试了以下测试代码：

data = data[order(data$train, data$starttime), ]   # sort according to train, and then according to starttime
length1  = numeric( length(levels(data$train))  )
ii = 1
sub = data[1,]   # initialize it           
for (t in levels(data$train))
{
  sub =  subset(data, train==t)  #subset of each train
  length1[ii] = nrow(sub)
  ii = ii +1 
  print(ii)
}

它的工作速度非常慢 - 我的笔记本电脑上的每个循环都需要几秒钟。我想知道我能做些什么来提高效率。

例如，sub是一个在每个循环中都会发生变化的变量。我应该避免将这些行复制到sub吗？ sub在循环时改变长度，我应该在初始化时给它更大的内存空间吗？

PS 我真正想做的是，对于每列火车，如果命运之城= =下一趟的起始城市。代码是：

data = data[order(data$train, data$starttime), ]   # sort according to train, and then according to starttime
sub = data[1,]   # initialization           
for (t in levels(data$train))
{
  sub =  subset(data, train==t)   #subset of each train

  for (i in 1:(nrow(sub)-1)   )
  {
    if ( as.character(sub$destiny[i]) != as.character(sub$start[i+1]) )
    # if the destiny != the start city of the next trip
    { do something   }
  }
}

Answer 1

如何使用dplyr包。它是由Hadley为此目的编写的，并且使用起来非常直观。以下链接包含该软件包的教程。

http://rstudio-pubs-static.s3.amazonaws.com/11068_8bc42d6df61341b2bed45e9a9a3bf9f4.html

http://www.r-bloggers.com/hands-on-dplyr-tutorial-for-faster-data-manipulation-in-r/

https://www.youtube.com/watch?v=jWjqLW-u3hc

如何提高性能：循环每个级别的因子（在R中）

1 个答案: