R重写for循环答案

【问题标题】：R rewriting a for loopR重写for循环
【发布时间】：2020-04-26 04:48:51
【问题描述】：

我的代码中有一个循环，我想重写它，因此运行代码需要更少的时间来竞争。我知道你总是必须避免代码中的循环，但我想不出另一种方法来实现我的目标。

所以我有一个数据集“df_1531”，其中包含大量数据，我需要使用 subset() 将这些数据切割成碎片（如果有人知道更好的方法，请告诉我 ;)）。我有一个包含 21 个变量名的向量，我喜欢在其上分配 df_1531 的子集。此外，该脚本包含 22 个带有约束的变量 (shift_XY_time)。

所以，这是我现在的代码...

# list containing different slots
shift_time_list<- c(startdate, shift_1m_time, shift_1a_time, shift_1n_time,
                               shift_2m_time, shift_2a_time, shift_2n_time,
                               shift_3m_time, shift_3a_time, shift_3n_time,
                               shift_4m_time, shift_4a_time, shift_4n_time, 
                               shift_5m_time, shift_5a_time, shift_5n_time,
                               shift_6m_time, shift_6a_time, shift_6n_time,
                               shift_7m_time, shift_7a_time, shift_7n_time)
# List with subset names 
shift_sub_list <- c("shift_1m_sub", "shift_1a_sub", "shift_1n_sub",
                    "shift_2m_sub", "shift_2a_sub", "shift_2n_sub",
                    "shift_3m_sub", "shift_3a_sub", "shift_3n_sub",
                    "shift_4m_sub", "shift_4a_sub", "shift_4n_sub", 
                    "shift_5m_sub", "shift_5a_sub", "shift_5n_sub",
                    "shift_6m_sub", "shift_6a_sub", "shift_6n_sub",
                    "shift_7m_sub", "shift_7a_sub", "shift_7n_sub")

# The actual loop that I'd like to rewrite
for (i in 1:21) {
  assign(shift_sub_list[i], subset(df_1531, df_1531$'PLS FFM' >= shift_time_list[i] & df_1531$'PLS FFM' < shift_time_list[i+1]))
}

运行循环大约需要 6 或 7 秒。因此，如果有人知道编写我的代码的更好/更清洁或更快的方法，我非常想听听您的建议/意见。

**可重现的示例**

mydata <- cars

dput(cars)
structure(list(speed = c(4, 4, 7, 7, 8, 9, 10, 10, 10, 11, 11, 
                         12, 12, 12, 12, 13, 13, 13, 13, 14, 14, 14, 14, 15, 15, 15, 16, 
                         16, 17, 17, 17, 18, 18, 18, 18, 19, 19, 19, 20, 20, 20, 20, 20, 
                         22, 23, 24, 24, 24, 24, 25), dist = c(2, 10, 4, 22, 16, 10, 18, 
                                                               26, 34, 17, 28, 14, 20, 24, 28, 26, 34, 34, 46, 26, 36, 60, 80, 
                                                               20, 26, 54, 32, 40, 32, 40, 50, 42, 56, 76, 84, 36, 46, 68, 32, 
                                                               48, 52, 56, 64, 66, 54, 70, 92, 93, 120, 85)), class = "data.frame", row.names = c(NA, 
                                                                                                                                                  -50L))

dist_interval_list <- c(  0,   5,  10,  15,
                         20,  25,  30,  35, 
                         40,  45,  50,  55, 
                         60,  65,  70,  75,
                         80,  85,  90,  95,
                        100, 105, 110, 115, 120)


var_name_list <- c("var_name_1a", "var_name_1b", "var_name_1c", "var_name_1d",
                    "var_name_2a", "var_name_2b", "var_name_2c", "var_name_2d",
                    "var_name_3a", "var_name_3b", "var_name_3c", "var_name_3d",
                    "var_name_4a", "var_name_4b", "var_name_4c", "var_name_4d",
                    "var_name_5a", "var_name_5b", "var_name_5c", "var_name_5d",
                    "var_name_6a", "var_name_6b", "var_name_6c", "var_name_6d")


for (i in 1:24){
  assign(var_name_list[i], subset(mydata,
                                       mydata$dist >= dist_interval_list[i] & 
                                       mydata$dist < dist_interval_list[i+1]))
}

【问题讨论】：

你能提供一个最小可重现的例子吗？
你可以从split(df_1531,findInterval(df_1531$"PLS FFM",shift_time_list))开始。请提供一个可重复的示例以避免在黑暗中拍摄（我也可以尝试）并避免使用assign。而是使用命名列表。
如果你describe your whole problem，你可能会得到更多“启发性”的答案，而不是你最终到达的某个孤独的小巷；）
@akash97，nicola，我已经在问题中添加了可重现的示例，我希望它足够好。 @ liborm，不幸的是，我在询问有关编程主题的问题方面相当缺乏经验。感谢您的链接和提示！
@J.O.P.P.好吧，让我们慢慢来：）我确定您的目标不是在您的 R 环境中拥有 24 个新变量。您可能想对这些不同的集合进行某种聚合？比如计算平均速度..？

标签： r loops for-loop subset assign

【解决方案1】：

从“可重现”部分和最终目的是总结另一列的信息开始，可以利用间隔不重叠的事实并简单地使用cut 函数。

library(tidyverse)

mydata %>% 
  mutate(interval = cut(dist, breaks = dist_interval_list)) %>% 
  group_by(interval) %>% 
  summarise(sum = sum(speed))

这应该会更快，并且还可以帮助您避免在充满变量（实际上是数据的一部分）的混乱环境中迷失方向。您希望将所有数据尽可能长时间地保存在单个数据框中；) 如果您的函数不适用于数据框，您可能希望在最后的建模步骤中使用 purrrlyr::invoke_rows 之类的东西。

【讨论】：