Loop R的更好替代品

Question

我根据此条件在列c中存储值.我的数据框中有400万行,这需要2天才能完成.

for ( i in 1:NROW(df)) {
  df$c[i+1] <- df$a[i] + df$b[i] - df$a[i+1]
  print(i)
}

有没有替代这个for循环可以完成我正在做得更快的事情.提前致谢.

Answer 1

首先,最好提供一些样本数据并匹配预期输出,以说明您希望实现的目标.这将使SO社区更容易提供帮助.

除此之外,你可以使用 dplyr::lag

library(dplyr)
df <- mutate(df, c = lag(a) + lag(b) - a)

以下是基于我创建的示例数据的示例

# Sample data
df <- data.frame(
    a = 1:10,
    b = 11:20)

df <- mutate(df, c = lag(a) + lag(b) - a)
df
#    a  b  c
#1   1 11 NA
#2   2 12 10
#3   3 13 11
#4   4 14 12
#5   5 15 13
#6   6 16 14
#7   7 17 15
#8   8 18 16
#9   9 19 17
#10 10 20 18

你确实可以确认一下c[i+1] = a[i] + b[i] - a[i+1].

基准分析

让我们在性能/运行时方面比较以下三种方法

1. 使用dplyr::lag和dplyr::mutate
2. 使用基数R(感谢@nicola),
3. 运用 data.table::shift

我们使用由样本数据10^6条目a和b.

set.seed(2017)
df <- data.frame(
    a = sample(100, 10^6, replace = T),
    b = sample(100, 10^6, replace = T))

library(microbenchark)
res <- microbenchmark(
    method_lag = {
        df <- mutate(df, c = lag(a) + lag(b) - a)
    },
    method_base = {
        df$c <- NA
        df$c[-1] <- df$a[-nrow(df)] + df$b[-nrow(df)] - df$a[-1]
    },
    method_shift = {
        df$c <- shift(df$a) + shift(df$b) - df$a
    })
#Unit: milliseconds
#         expr      min       lq     mean   median        uq       max neval cld
#   method_lag 19.88495 21.81414 29.30085 23.83718  26.61746 107.04355   100  b
#  method_base 51.00888 56.29822 90.05291 60.65321 128.79227 208.80537   100   c
# method_shift 10.86351 12.51993 18.34094 14.24705  16.88488  92.83246   100 a

autoplot(res)