Question

我创建了循环，根据某些条件将列值从data.frame分配到另一个data.frame的列：

for ( lineTab1 in 1 : dim(tab1)[1] ) {
  for ( lineTab2 in 1 : dim(tab2)[1] ) {
    if ( tab1$id[lineTab1] == tab2$id[lineTab2]) & 
     tab1$year[lineTab1] == tab2$year[lineTab2]) ) {
  tab1$region[lineTab1] <- tab2$region[lineTab2]) }
}
}

我的循环太慢了！第一个data.frame（tab1）有60,000,000个观测值，第二个data.frame（tab2）有1000个观测值。有没有办法加快这些循环？

Answer 1

看起来你正在尝试合并。基础R中有一个merge函数，可以毫无困难地完成您的需要。

请注意，我假设tab2只是id / year区域的查找表。如果tab2中有其他列，那么您可以使用下面的data.table解决方案，也可以从tab2中删除其余列

在基础R中，基于一些实验，您可以预期此合并需要约3分钟。

使用库dplyr，这会缩短为约5秒，为left_join(tab1, tab2)。

使用库data.table，这只需要大约一秒钟，虽然设置时间稍微高一点：

setDT(tab1)
setDT(tab2)
system.time(tab1[tab2, region := i.region, on=c("id","year")])

对于时序数据，我使用了生成的样本数据

tab2 <- expand.grid(id=1:10, year=2000:2010)
tab2$region <- rnorm(110)
tab1 <- data.frame(id=sample(1:10, 6e7, replace=T), year=sample(2000:2010, 6e7, replace=T))

加速循环以从多个数据帧中分配值

1 个答案: