Question

亲爱的Stack Overflow'，

目前，我的数据集为33列，行数为1447499。

现在我想添加一个包含新数据的新列（基于第33列日期的Unix时间戳）

我手动创建了第一个时间戳，然后每次都要为时间戳添加5（ms），下面的代码是否有用？

到目前为止我做了什么：

# Data loading is fine
PhoneSensorData$UnixTimestamp <- 0
lengte = nrow(PhoneSensorData)
PhoneSensorData$UnixTimestamp[1] = 1496944482155

for (i in 1:lengte) {
  PhoneSensorData$UnixTimestamp[i] = 1496944482155 + (5*i)
}

但是这种情况已经存在了很长时间（或者现在还没有完成近一个小时）我做错了什么，还是有更好的方法？

之后，我必须再次将其导出回csv。加载数据需要大约10-15秒的fread，所以没关系。

提前致谢！

Answer 1

在R中，不应使用for循环来创建/编辑新列。它们是基于矢量的操作，R非常擅长基于矢量的操作。

使用data.table，您可以使用以下代码执行此操作：

library(data.table)
PhoneSensorData <- data.table(PhoneSensorData)
PhoneSensorData[, RowNumber := 1:.N]
PhoneSensorData[, UnixTimeStamp := 1496944482155  + RowNumber * 5 ]
fwrite(PhoneSensorData, file="PhoneSensorData.csv")

PS：data.table的fwrite函数也非常快。我建议你使用它。

Answer 2

由于矢量化，这应该更快：

PhoneSensorData$UnixTimestamp = 1496944482155 + (5*(1:lengte))

通过保存，您无法加快速度，因为您添加了一列，因此必须重写文件的每一行。这里的瓶颈是文件系统。

Answer 3

要创建常规数据序列（无论是字符串，数字，还是日期和时间），您都可以使用标准的R seq函数。

在您的情况下，指定参数from，by和length.out是实现目标的最便捷方式：

PhoneSensorData$UnixTimestamp <- 
            seq(from = 1496944482155, by = 5, length.out = nrow(PhoneSensorData))

在R中循环使用大数据集，更好的方法？

3 个答案: