加快这个 for 循环？答案

【问题标题】：Quicken this for loop?加快这个 for 循环？
【发布时间】：2014-06-29 06:30:18
【问题描述】：

我有一个名为 cpue 的数据集，有 330 万行。我制作了这个数据框的一个子集，称为 dat.frame。（请参阅下面的 cpue 和 dat.frame 的负责人。）我在 dat.frame 中添加了两个新字段：“ssh_vec”和“ssh_mag”。虽然 cpue 和 dat.frame 的头部看起来一样，但其余的行实际上并没有相同的顺序。

head(cpue)
  code  event    Lat   Long stat_area Day Month Year id
1  BCO 447602 -43.45 182.73        49  17     3 1995  1



head(dat.frame)
  code  event    Lat   Long stat_area Day Month Year id cal.jdate  ssh_vec  ssh_mag
1  BCO 447602 -43.45 182.73        49  17     3 1995  1   2449857 56.83898 4.499350

目前，我正在运行一个循环，使用唯一标识符“id”将 ssh_vec 和 ssh_mag 变量添加到“cpue”：

cpue$ssh<- NA
cpue$sshmag<- NA

for(i in 1:nrow(dat.frame))
{
    ndx<- dat.frame$id[i]
    cpue_full$ssh[ndx]<- dat.frame$ssh_vec[i]
    cpue_full$sshmag[ndx]<- dat.frame$ssh_mag[i]
}

这已经在周末运行了，只到：

i
[1] 132778

...出自：

nrow(dat.frame)
[1] 2797789

在循环中，没有什么看起来对计算要求太高。有没有更好的选择？

【问题讨论】：

你的sessionInfo()$platform是什么？
"x86_64-w64-mingw32/x64（64 位）"

标签： r loops indexing

【解决方案1】：

您确定需要for 循环吗？我认为这可能是等价的：

cpue_full$ssh[dat.frame$id]<- dat.frame$ssh_vec
cpue_full$sshmag[dat.frame$id]<- dat.frame$ssh_mag

【讨论】：

正是我想要的椅子

【解决方案2】：

你还需要循环吗？从发布的代码片段来看，它似乎不是。

cpue_full$ssh[dat.frame$id] <- dat.frame$ssh_vec
cpue_full$sshmag[dat.frame$id]<- dat.frame$ssh_mag

应该可以。一个快速（和小）的虚拟示例：

set.seed(666)
ssh <- rnorm(10^4) 
datf <- data.frame(id = sample.int(10000L), ssh = NA)

system.time(datf$ssh[datf$id] <- ssh) # user 0, system 0, elapsed 0

# Reset dummy data
datf$ssh <- NA 

system.time({
  for (i in 1:nrow(datf) ) {
    ndx <- datf$id[i]
    datf$ssh[ndx] <- ssh[i]
  }
} ) # user 2.26, system 0.02, elapsed 2.28

PS - 我没有使用 data.table 包，所以我不遵循 Ramnath 的回答。一般来说，如果可能的话，你应该避免循环（参见 Fortune(142) 和 The R Inferno 的 Circle 3）。

【讨论】：

看起来我在 nograpes 上面发帖了。对不起，酋长。
谢谢。作为一个循环，在概念上对我来说总是更容易进行计算，我的弱点是使用替代方法来执行它们。谢谢nograpes

【解决方案3】：

我建议您查看data.table。由于我没有你的数据，这里是一个使用虚拟数据的简单示例。

library(data.table)
N = 10^6
dat <- data.table(
  x = rnorm(1000),
  g = sample(LETTERS, N, replace = TRUE)
)

dat2 <- dat[,list(mx = mean(x)),g]

h = merge(dat, dat2, 'g')

【讨论】：