加快 R 计算的措施答案

【问题标题】：Actions to speed up R calculations加快 R 计算的措施
【发布时间】：2012-06-06 00:26:54
【问题描述】：

我是作为关于 R 的一般/初学者问题提出的，而不是针对我使用的包。

我有一个dataframe，有 300 万行和 15 列。我不认为这是一个巨大的数据框，但也许我错了。

我正在运行以下脚本，它已经运行了 2 个多小时 - 我想我必须采取一些措施来加快速度。

代码：

ddply(orders, .(ClientID), NumOrders=len(OrderID))

这不是一个过于密集的脚本，或者我不认为它是。

在数据库中，您可以为表添加索引以提高连接速度。 R 中是否有类似的操作我应该在导入时执行以使函数/包运行得更快？

【问题讨论】：

查看data.table 包。
@JoshuaUlrich data.table 而不是数据框？它们真的可以互换吗？谢谢
也进来推荐data.table。此操作将明显更快，并且您可以在将 data.frame 转换为 data.table 后运行相同的代码。 orders <- data.table(orders)。就这么简单。
只是解释一下，plyr 因其非常甜美的语法糖而非常受欢迎，但对于大型数据集来说速度很慢，特别是当你的分裂变量很大。花一些时间学习data.table；语法不是很好（恕我直言），但它通常会快很多数量级。
听起来table(orders$ClientID) 可能也会得到你想要的。

【解决方案1】：

在我看来你可能想要：

orders$NumOrders <- with( orders( ave(OrderID  , ClientID) , FUN=length) )

（我不知道存在 len() 函数。）

【讨论】：

【解决方案2】：

使用建议的data.table 包，以下操作应该在一秒钟内完成工作：

orders[,list(NumOrders=length(OrderID)),by=ClientID]

【讨论】：

【解决方案3】：

看起来你的所有代码都是这样的：

orders[order(orders$ClientID), ]

这样会更快。

【讨论】：