Question

我有以下代码：

a <- c(1,2,2,3,4,5,6)
b <- c(4,5,6,7,8,8,9)
data <- data.frame(cbind(a,b))
trial <- copy(data)
for (j in 1: ncol(trial)) {
  for (i in 2: nrow(trial)) {
  if (trial[i,j] == trial[i-1,j] & !is.na(trial[i,j]) & !is.na(trial[i-1,j]))  {
     trial[i,j] <- trial[i-1,j] + (0.001*sd(trial[,j], na.rm = T))
    }
 }
}

代码完美有效，但在较大的数据集上有点慢。我想通过使用 apply 或外部系列来提高速度。问题是：

我知道如何应用单个循环和apply，但不是2，特别是在这种情况下，我需要根据特定情况条件替换单个值，另一个单值（滞后）加上乘数标准偏差（这是我需要在整个列上计算的东西;
除this solved question外，我没有使用外部和矢量化函数而不是循环的经验。

Answer 1

使用data.table

library(data.table)
f <- function(x)ifelse(x==shift(x), x + 0.001* sd(x, na.rm = TRUE), x)
setDT(data)[, lapply(.SD, f), ]

使用dplyr

library(dplyr)
f <- function(x)ifelse(x==lag(x), x + 0.001* sd(x, na.rm = TRUE), x)
data %>%
  mutate_each(funs(f))

Answer 2

这对你有用吗？

a <- c(1,2,2,3,4,5,6)
b <- c(4,5,6,7,8,8,9)
data <- data.frame(cbind(a,b))
trial <- data.frame(a,b)
for (j in 1: ncol(trial)) {
# Finds matching rows and add a single row shift in the results
# (diff returns n-1 elements and we want n elements) 
  matching<-!c(TRUE, diff(trial[,j]))
  trial[matching,j]<- data[matching,j]+(0.001*sd(trial[,j], na.rm = T))
}

我对内循环进行了矢量化，这应该会对性能产生重大改进。如果有多个匹配的行，我没有测试sd计算会发生什么我将把它留给其他人来改进这个版本。 data.table的使用可以带来额外的好处。

R double for loop：outer或apply？

2 个答案: