我需要有效地循环三个循环

Question

所以在充分解释之前需要一些背景知识。我有一份美国各县之间的距离清单，以及天数。我需要每个县，每天该县与其他县之间的距离总和。因此，例如，如果有四个县，A、B、C 和 D，以及 10 天，我想要距离 AB+AC+AD（A 与其他每个县之间的距离之和）BA+BC+BD， CA+CB+CD，10 天中的每一天。我知道这在断章取义的情况下听起来很奇怪，但如果不充分解释我的研究，就很难解释为什么。

所以对于一个reprex。考虑 3 个县和 3 天。

dist <- runif(9)
source <- c("A", "A", "A", "B", "B", "B", "C", "C", "C")

dest <- rep(c("A", "B", "C"), 3)
a
d1 <- as.data.frame(cbind(dest, source, dist))
d1$dist[b == c] <- 0
d1
county <- c("A", "A", "A", "B", "B", "B", "C", "C", "C")
lockdown <- c(0, 1, 0, 1, 1, 0, 1, 0, 1)
day <- c(1, 2, 3)
day <- rep(day, 3)

d2 <- as.data.frame(cbind(day, county, lockdown))

这给了我们：

 +------+--------+-------------------+--+--+
|      |        |                   |  |  |
+------+--------+-------------------+--+--+
| dest | source | dist              |  |  |
| A    | A      | 0                 |  |  |
| B    | A      | 0.815869745099917 |  |  |
| C    | A      | 0.554592022672296 |  |  |
| A    | B      | 0.193494795123115 |  |  |
| B    | B      | 0                 |  |  |
| C    | B      | 0.708462748210877 |  |  |
| A    | C      | 0.729813229991123 |  |  |
| B    | C      | 0.351678870152682 |  |  |
| C    | C      | 0                 |  |  |
+------+--------+-------------------+--+--+

这是三个县之间的距离表。

然后我每天都有一些县的面板数据：

+-----+--------+----------+--+--+
| day | county | lockdown |  |  |
+-----+--------+----------+--+--+
|   1 | A      |        0 |  |  |
|   2 | A      |        1 |  |  |
|   3 | A      |        0 |  |  |
|   1 | B      |        1 |  |  |
|   2 | B      |        1 |  |  |
|   3 | B      |        0 |  |  |
|   1 | C      |        1 |  |  |
|   2 | C      |        0 |  |  |
|   3 | C      |        1 |  |  |
+-----+--------+----------+--+--+

现在我想遍历县，并在 d2 中创建一个列，其中包含 该县与未处于锁定状态的其他县之间的距离总和。 所以如果 B、C 和 D 在那一天没有处于锁定状态，则认为 AB+AC+AD。我使用这样的循环：

# these aren't numeric for some reason
d1$dist <- as.numeric(d1$dist)
d2$lockdown <- as.numeric(d2$lockdown)

# First loop over the source counties
for (i in unique(d1$source)) {
  # Next loop over the days
  for (j in unique(d2$day)) {
    # finally, for each destination county, fill in the entry in d2 with the sum of the distance times if the county is in lockdown

    for (k in unique(d1$dest)) {
      ifelse(i == k, d2$ma[d2$county == i & d2$day == j] <- d2$ma[d2$county == i & d2$day == j],
        d2$ma[d2$county == i & d2$day == j] <- d2$ma[d2$county == i & d2$day == j] + d1$dist[d1$source == i & d1$dest == k] * d2$lockdown[d2$day == j & d2$county == i]
      )
    }
  }
}

这适用于如此小的数据集，但有 3000 个县，150 天需要循环超过十亿次迭代。有没有办法更有效地编写这个循环？我尝试使用矢量化表示法，但由于需要以新列的形式将输出与 d2 匹配，因此实际上并不可行。

Answer 1

这可以使用data.table 来完成，这比循环更有效：

1. 将 d1 和 d2 连接在一起
2. 按source,day 分组并为lockdown==1 求和距离

set.seed(1)
dist <- runif(9)
source <- c("A", "A", "A", "B", "B", "B", "C", "C", "C")

dest <- rep(c("A", "B", "C"), 3)
d1 <- data.frame(dest = dest,source = source,dist =  dist)
d1$dist[d1$source == d1$dest] <- 0
d1
county <- c("A", "A", "A", "B", "B", "B", "C", "C", "C")
lockdown <- c(0, 1, 0, 1, 1, 0, 1, 0, 1)
day <- c(1, 2, 3)
day <- rep(day, 3)

d2 <- data.frame(day = day, county = county, lockdown = lockdown)
library(data.table)
setDT(d1)
setDT(d2)
d <- d1[d2, on = .(dest = county),allow.cartesian=T]
d[,.(distance = sum(dist*lockdown)),by = .(source,day)]

   source day  distance
1:      A   1 0.9449773
2:      B   1 0.8983897
3:      C   1 0.6607978
4:      A   2 0.3721239
5:      B   2 0.9082078
6:      C   2 1.6054731
7:      A   3 0.5728534
8:      B   3 0.8983897
9:      C   3 0.0000000

请注意，我简化了 d1 和 d2 创建脚本以消除由于cbind 将所有列转换为第一列（字符）的类型而遇到的数字问题