Question

我一直在努力解决以下问题，因为我需要尽快加载，操作并从新数据集中生成分数。我已经定义了一个数据字典，其中包含每个变量类的描述（例如数字，因子，字符，日期），以及适用的所有可能因子级别的列表：

DD <- data.frame(Var = c("a", "b", "c", "d"),
Class = c("Numeric", "Factor", "Factor", "Date"),
Levels = c(NA, "B1, B2, B3", "C1, C2", NA))

Data <- data.frame(a = 5, b = "B1", c = "C2", d = "2015-05-01")

最终，我打算使用model.matrix来生成具有一组通用指标变量/列的设计矩阵，而不管在特定数据集中观察到的实际因子水平，因此我可以从特定模型中获取数据。

我需要尽快完成这些任务，因此，我试图找到一种避免使用lapply / loops的解决方案。这是（一个稍微复杂的版本）我现有的设置因子水平的解决方案，目前对我的要求来说太慢了：

lapply(1:ncol(Data[,DD$Class=="Factor"]), function(i) {
    factor( as.character( unlist( Data[,DD$Class=="Factor"][i])) , 
    levels = unlist(strsplit(as.character(DD$Levels[DD$Class=="Factor"][i]), ", ")) )
})

任何有关避免在此处使用循环的建议，如果可能的话，或任何其他解决方案将非常感谢！

谢谢！

Answer 1

很抱歉，我没有足够的声誉将其添加为评论。

我可以问： 1.数据集的维度是什么？ 2.你可以满足的运行时间是什么？

您可以考虑使用Microsoft Open R（Previsouly Revolution R），它可以优化基本数据操作。

设置列类并定义任何因子级别，而不使用R中的循环

1 个答案: