Question

我是R的新手。现在我有一个函数如下：

funItemAverRating = function()
{
    itemRatingNum = array(0, itemNum);
    print("begin");
    apply(input, 1, function(x)
        {
            itemId = x[2]+1;
            itemAverRating[itemId] <<- itemAverRating[itemId] + x[3];
            itemRatingNum[itemId] <<- itemRatingNum[itemId] + 1;
        }
    );
}

在此函数中，输入是n*3数据框，n是~6*(10e+7)，itemRatingNum是大小为~3*(10e+5)的向量。
我的问题是为什么apply功能如此缓慢（完成需要将近一个小时）？此外，随着函数的运行，它会使用越来越多的内存。但正如您所看到的，变量都是在apply函数之外定义的。有人能帮助我吗？

成

Answer 1

这很慢，因为你多次调用高级R函数。

您必须向量化您的函数，这意味着应该对所有数据向量计算大多数操作（如<-或+1）。

例如，我认为itemRatingNum保持input[[2]]的频率（input data.frame的第二列）可以替换为：

tb <- table(input[[2]]+1)
itemRatingNum[as.integer(names(tb))] <- tb

Answer 2

不要那样做。你遵循一个完全不像R的逻辑。如果我理解正确，您希望从某个输入数据框中的第三列添加某个itemAverRating向量的值。

itemRatingNum正在做什么，相当模糊。它不会在全局环境中结束，它只是在循环结束时变成一个充满频率的向量。当您在函数中定义itemRatingNum时，<<-赋值也将在函数的本地环境中分配它，并且当函数结束时它将被销毁。

接下来，你应该给你的功能输入，并得到一些输出。如果没有必要，永远不要分配到全球环境。你的函数相当于 - 相当快一点 - 跟随函数，它接受输入并给出输出：

funItemAverRating = function(x,input){
    sums <- rowsum(input[,3],input[,2])
    sumid <- as.numeric(rownames(sums))+1
    x[sumid]+c(sums)
}

按照马克思评论编辑的功能

其中的作用如下：

# make data
itemNum <- 10
set.seed(12)
input <- data.frame(
    a1 = rep(1:10,itemNum),
    a2 = sample(9:0,itemNum*10,TRUE),
    a3 = rep(10:1,itemNum)
)
itemAverRating <- array(0, itemNum)
itemAverRating <- funItemAverRating(itemAverRating,input)
itemAverRating
 0  1  2  3  4  5  6  7  8  9 
39 65 57 36 62 33 98 62 60 38

如果我尝试你的代码，我会得到：

> funItemAverRating()
[1] "begin"
...
> itemAverRating
 [1] 39 65 57 36 62 33 98 62 60 38

哪个是一样的。如果你想要itemRatingNum，那么就这样做：

> itemRatingNum <- table(input[,2])
 0  1  2  3  4  5  6  7  8  9 
 6 11 11  8 10  6 18  9 13  8

如何有效地总结另一个变量中定义的级别？

2 个答案: