Question

我有以下代码，它读取表的列，如果元素包含正确的字符串，它会增加另一个向量中的相应值。这是代码：

dateArray <- integer(365)

for (i in 189500:207097) {
    if (grepl("Jan", csvaryana[i, "Date"], ignore.case = FALSE, perl = FALSE, fixed = FALSE, useBytes = FALSE)) {
        for (j in 1:31) {
            if (j < 10) {
                if (grepl(paste(sprintf(" 0%d", j), ""), csvaryana[i, "Date"], ignore.case = FALSE, perl = FALSE, fixed = FALSE, useBytes = FALSE))
                    dateArray[j] <- dateArray[j] + 1
                }
            if (grepl(paste(sprintf(" %d", j), ""), csvaryana[i, "Date"], ignore.case = FALSE, perl = FALSE, fixed = FALSE, useBytes = FALSE))
                dateArray[j] <- dateArray[j] + 1
        }
    }
}

dateArray

请注意，csvaryana是一个包含207,097行的表。该代码应该检查所有行，但我将其减少到只有大约10,000行。运行它需要几分钟，完整代码需要更长的时间。我怎样才能更快地完成同样的事情呢？我听说for循环效率不高。

Answer 1

其他答案解释说，R中的

for循环非常慢如果你想加快你的循环，你可以阅读这篇文章： Strategies to Speed-up R Code

根据文章，您可以执行以下步骤：

使用ifesle代替if
使用检查循环外的条件（if语句）的语句
仅针对True条件运行循环
使用which（）
使用apply系列函数代替for-loops
如果您有多核计算机，请使用并行处理
使用消耗较少内存的数据结构
如果您了解C ++，那么最好的方法是使用运行C ++代码的Rcpp。

Answer 2

如果没有一个运行示例，您可以通过将循环的每个元素转换为函数来开始。我们将这些行编号如下：

#1  for (i in 189500:207097) {
#2      if (grepl("Jan", csvaryana[i, "Date"], ignore.case = FALSE, perl = FALSE, fixed = FALSE, useBytes = FALSE)) {
#3          for (j in 1:31) {
#4              if (j < 10) {
#5                  if (grepl(paste(sprintf(" 0%d", j), ""), csvaryana[i, "Date"], ignore.case = FALSE, perl = FALSE, fixed = FALSE, useBytes = FALSE))
#6                      dateArray[j] <- dateArray[j] + 1
#7                  }
#8              if (grepl(paste(sprintf(" %d", j), ""), csvaryana[i, "Date"], ignore.case = FALSE, perl = FALSE, fixed = FALSE, useBytes = FALSE))
#9                  dateArray[j] <- dateArray[j] + 1
#10         }
#11     }
#12 }

然后你可以将你的grepl作为一个函数包装起来（这可能比节省时间更美观）：

## The grepl function (lines 2, 5 and 8)
grepl.ifelse <- function(i, pattern, data) {
    grepl(pattern, data[i, "Date"], ignore.case = FALSE, perl = FALSE, fixed = FALSE, useBytes = FALSE)
}

对于循环的其他部分，我们可以使用sapply函数将向量的值传递给函数。由于我们只需更新dateArray，因此我们可以使用<<-赋值，将值从函数环境中分配出来（有关详细信息，请参阅?"<<-"）：

## Update dateArray function (lines 4 to 10)
update.dateArray <- function(j, i, dateArray, csvaryana) {
    if (j < 10) {
        if (grepl.ifelse(paste(sprintf(" 0%d", j), ""), i, csvaryana)) {
            dateArray[j] <<- dateArray[j] + 1
        }
    } else {
        if (grepl.ifelse(paste(sprintf(" %d", j), ""), i, csvaryana)){
            dateArray[j] <<- dateArray[j] + 1
        }
    }
}

此函数将在函数外更新dateArray（无需返回）。我们可以将相同的原则应用于更大的循环（i）：

## Checking the month of January (lines 2 to 11)
check.jan <- function(i, dateArray, csvaryana) {
    if(grepl.ifelse("Jan", i, csvaryana)) {
        ## Update dateArray out of the function
        dateArray <<- sapply(1:31, update.dateArray, i, dateArray, csvaryana)
    }

    return(dateArray)
}

同样，如果没有正在运行的示例，很难进行测试，因此这篇文章可能需要进行一些编辑，但这可能是这样的：

dateArray <- integer(365)

## Running the whole loop
sapply(189500:207097, check.jan, dateArray, csvaryana)
## Updated dateArray
dateArray

Answer 3

我没有循环就解决了。我将Date列分为Year，Month和Day以及Time，所以我只调用count（Month和Day）并返回一个每月和每天频率的向量：

dateVector <- count(outfile, "X2")

Answer 4

请勿使用apply循环。有一个非常好的SO帖子讨论这个： Why are loops slow in R?

答案是对数据框进行矢量化以加快处理速度（通过purrr系列或结帐sprintf(" 0%d", j)。清理数据和代码，以便在循环期间不计算grepl并考虑arr的替代品，因为在这种情况下似乎有点过分。

讨论其中一些概念的好博文： https://robinsones.github.io/Making-R-Code-Faster-A-Case-Study/

如何在R中加速这个循环

4 个答案: