我在R中有一个函数，它将较小的向量与较大的向量进行比较，然后查找匹配的位置并使用该信息从较大的数据帧中提取数据。
mass_lst其中mass_lst <- c(315, 243, 484, 121)是复合质量列表：
ex：AB_massLst_numeric
AB_massLst_numeric <- c(323, 474, 812, 375, 999, 271, 676, 232)是更大的群众列表：
ex：AB_lst
match_df是一个更大的数据框，我从位置向量中提取数据。
rbind是一个空数据框，我将test <- sapply(mass_lst, compare_masses)
数据发送到。{/ p>
问题是这个函数有一个for循环，即使我使用
也需要很长时间{{1}}
所以我的问题是如何让这个功能更快并且可能删除for循环？我的数据在现实生活中比我提供的例子大得多。我不能想办法不迭代使这个功能起作用。
答案 0 :(得分：1)
尝试使用do.call将其全部打包并使用rbind，这样它就可以同时执行所有match_df <- do.call(rbind.data.frame, lapply(
mass_lst, function(x)
AB_lst[abs(AB_lst_numeric - x) < 0.02,]))
个调用，而不是一次执行一个。
do.call在回复有关dplyr::bind_rows与AB_lst_numeric相比的AB_lst速度的评论时，我创建了data.frame，其中1k值介于0到1000之间，并且对应mass_lst {{1} }以及包含100个元素的rbenchmark向量。以下是使用do.call进行此测试的结果，您可以看到bind_rows和bind_rows调用具有相当的可比性（benchmark(
match_df <- compare_masses(mass_lst),
match_df <- do.call(rbind.data.frame, lapply(
mass_lst, function(x)
AB_lst[abs(AB_lst_numeric - x) < 0.02,])),
match_df <- bind_rows(lapply(
mass_lst, function(x)
AB_lst[abs(AB_lst_numeric - x) < 0.02,])))
## 3 match_df <- bind_rows(lapply(mass_lst, function(x) AB_lst[abs(AB_lst_numeric - x) < 0.02, ]))
## 1 match_df <- compare_masses(mass_lst)
## 2 match_df <- do.call(rbind.data.frame, lapply(mass_lst, function(x) AB_lst[abs(AB_lst_numeric - x) < 0.02, ]))
## replications elapsed relative user.self sys.self user.child sys.child
## 3 100 1.453 1.000 1.387 0.059 0 0
## 1 100 3.050 2.099 2.983 0.051 0 0
## 2 100 1.974 1.359 1.905 0.060 0 0
效率提高了36％，而110％效率增益与原始解决方案相比）。
//...
//...
$.each( data, function( id, meta ) {
items.push( "<ul id='" + id + "'>");
items.push( "<li class='path'>" + meta.path + "</li>" );
items.push( "<li class='lang'>" + meta.lang + "</li>" );
items.push( "<li class='title'>" + meta.title + "</li>" );
items.push( "</ul>");
});
//...
//...
答案 1 :(得分：1)
这应该是一个矢量化解决方案。使用发布的compare_masses函数。它明显快于其他解决方案。
写一个匿名函数进行矢量化。你在循环中做的比较相同。
pos = Vectorize(FUN = function(y) {abs(AB_massLst_numeric-y) < 0.02}, vectorize.args = "y")
找到要分组的索引，此步骤将替换do.call(rbind,...)或bind_rows。这个步骤应该很快，因为它只是对大小为length(AB_massLst_numeric) x length(mass_lst)的矩阵进行逻辑比较。需要执行此步骤，因为我无法使vectorize函数与which很好地协作。
i = unlist(apply(X = matrix(sample(c(T,F), 100, r = T), nrow = 10), MARGIN = 2, FUN = which))
子集和存储
AB_lst[i,]
编辑：使用发布的compare_masses函数。它明显快于其他解决方案。
Unit: microseconds
expr min lq mean median uq max neval cld
Vectorize 318.595 327.280 358.9813 355.112 386.892 413.739 10 b
do.call 1418.473 1510.853 1569.7161 1578.954 1635.606 1744.173 10 d
bind_rows 744.570 801.420 813.9346 815.435 836.161 871.297 10 c
compare_masses 135.808 138.176 158.0344 158.508 169.365 197.395 10 a
更大的测试数据集
Unit: nanoseconds
expr min lq mean median uq max neval cld
Vectorize 239242 292341 342314.079 324714 359455 3480844 1000 a
compare_masses 395 1975 3674.669 3554 4738 19346 1000 a
do.call 16570424 18223007 21092022.254 20921183 22194176 159718470 1000 c
bind_rows 13423572 14869680 17027330.356 17008639 18061341 116983885 1000 b
答案 2 :(得分：1)
使用R的向量回收功能。首先构建长度为N * m的positions向量，其中N是AB_lst中的行数，m是length(mass_lst)。然后使用此向量从数据框中选择行。
请参阅下面的完整可运行示例。
positions <- c()
compare_masses <- function(mass_lst){
for (i in seq_along(mass_lst)) {
positions <- c(positions, which(abs(AB_massLst_numeric - mass_lst[i]) < 0.02))
}
return(AB_lst[positions,])
}
mass_lst <- c(375, 243, 676, 121)
AB_massLst_numeric <- c(323, 474, 812, 375, 999, 271, 676, 232, 676)
AB_lst <- data.frame(x=1,y=AB_massLst_numeric)
match_df <- AB_lst[c(),]
compare_masses(mass_lst)
答案 3 :(得分：0)
您可以循环查找所需的行索引，然后根据该数据选择行：
set.seed(1)
DF <- data.frame(x=runif(1e2), y=sample(letters, 1e2, rep=T))
LIST <- list(0, 0.2, 0.4, 0.5)
DF[unlist(lapply(LIST, function(y) which(abs(DF$x - y) < .02))), ]
对于我们的虚拟数据，这会产生：
x y
24 0.01017122 b
70 0.01065314 d
5 0.19193779 e
40 0.21181133 l
65 0.21488963 q
80 0.20122201 q
16 0.39572663 e
23 0.41434742 x
30 0.41330587 t
67 0.40899105 p
73 0.40808877 x
78 0.49894035 o
79 0.49745918 o
注意我们选择的值确实在目标值的0.02之内。