Question

我有一个数据框（我的＆＃34;真实＆＃34;数据更大）：

df = data.frame(id = c(1, 2, 2, 5, 6, 7), value = c("A", "B", "C", "D", "E", "F"))

然后我将其转换为列表：

list = split(df$value, df$id)

我现在想要通过id有效地访问列表中的值。显然，我可以使用

list[["6"]]

获得＆＃34; E＆＃34;。显然，随着ID号的增加，访问值需要更多时间。想象一个更大的列表，访问10001-20000中的每个值比访问1-10000需要更长的时间。

如何更快地访问这些值？我的想法是我将行ID与列表中的ID匹配，以便list[["6"]] == list[[6]]，但我该怎么做？有更好的选择吗？

编辑：有关上下文的更多信息。我使用类似于这个的功能：

test_function = function(a, b) {
  a = unique(list[[a]])
  b = unique(list[[b]])
  return (length(intersect(a, b)))
}

对看起来像这样的数据框使用apply：

      a     b
1    36    38
2    38    39
3    39    36
4    95    96
5    96    95
6   190   191
7   191   192
8   192   190
9   193   194
10  194   196

因此，对于数据帧中的每一行，我想计算两个ID的值列表之间的交集长度。

Edit2：谢谢你的所有答案。我已经测试了所有建议的方法，并发现为了我的具体目的，digEmAll的答案是最快的方法：

myEnv <- list2env(list)
get("10000",envir=myEnv)

Answer 1

您可以使用hash库，它应该比命名列表更快：

df <- data.frame(id = 1:1000000)
df$val <- c("A", "B", "C", "D", "E")
mylist <- split(df$val, df$id)

library(hash)
myhash <- hash(mylist)
myhash[["2"]]
[1] "B"

基准：

microbenchmark::microbenchmark(
  myhash[["1000000"]],
  mylist[["1000000"]]
)
Unit: microseconds
                expr       min        lq        mean     median        uq      max neval
  myhash[["1000000"]]    25.466    33.828    72.85514   103.5735   107.565   133.03   100
 mylist[["1000000"]] 10765.207 10957.911 11076.01143 11044.0010 11120.398 12145.30   100

一个缺点是失去了兼容性，但为了这个目的，它应该可以正常工作

Answer 2

感谢您的所有答案。我已经测试了所有建议的方法，并发现根据我的具体目的， digEmAll 的答案是最快的方式：

myEnv <- list2env(list)
get("10000",envir=myEnv)

R ID列匹配行号

2 个答案: