Question

我使用R和RStudio分析GTFS公共交通信息并使用ggplot2创建时间表范围图。代码目前工作正常但速度很慢，这在处理非常大的CSV时会出现问题，这种情况通常就是这样。

代码中最慢的部分如下（带有一些上下文）：for循环遍历数据帧并将每个唯一的行程子集设置为临时数据帧，从中可以获得极端到达和离开值（第一个和最后一个）提取行：

# Creates an empty df to contain trip_id, trip start and trip end times
Trip_Times <- data.frame(Trip_ID = character(), Departure = character(), Arrival = character(), stringsAsFactors = FALSE) 

# Creates a vector containing all trips of the analysed day
unique_trips = unique(stop_times$trip_id)

# Iterates through stop_times for each unique trip_id and populates previously created data frame
for (i in seq(from = 1, to = length(unique_trips), by = 1)) {
  temp_df <- subset(stop_times, trip_id == unique_trips[i])
  Trip_Times[nrow(Trip_Times) + 1, ] <- c(temp_df$trip_id[[1]], temp_df$departure_time[[1]], temp_df$arrival_time[[nrow(temp_df)]])
}

stop_times df如下所示，一些包含超过250万行的Feed提供大约200k个独特的行程，因此200k循环迭代......

head(stop_times)
trip_id arrival_time departure_time stop_sequence
1 011_0840101_A14      7:15:00        7:15:00             1
2 011_0840101_A14      7:16:00        7:16:00             2
3 011_0840101_A14      7:17:00        7:17:00             3
4 011_0840101_A14      7:18:00        7:18:00             4
5 011_0840101_A14      7:19:00        7:19:00             5
6 011_0840101_A14      7:20:00        7:20:00             6

是否有人能够告诉我如何优化此代码以获得更快的结果。我不相信apply可以在这里使用，但我可能错了。

Answer 1

使用dplyr ...

这应该是直截了当的

library(dplyr)

Trip_Times <- stop_times %>%
              group_by(trip_id) %>%
              summarise(departure_time=first(departure_time),
                        arrival_time=last(arrival_time))

Answer 2

我们可以使用<Invoices xmlns="http://example.com/"> <invoice> <ContractorName>TEST contractor</ContractorName> <Invoice_Number>12345</Invoice_Number> <Invoice_Date>2017-05-20</Invoice_Date> <Invoice_Amount>100.00</Invoice_Amount> <Invoice_Hyperlink>https://example.com/path/files/file.pdf</Invoice_Hyperlink> <Local_File>D:\Invoices_Downloaded\12345_2017-05-20.pdf</Local_File> </invoice> <invoice> <ContractorName>TEST contractor 2</ContractorName> <Invoice_Number>98765</Invoice_Number> <Invoice_Date>2017-05-20</Invoice_Date> <Invoice_Amount>1000.00</Invoice_Amount> </invoice> </invoices>

data.table

用R中的for循环优化子集

2 个答案: