R：如何加速这个功能？答案

【问题标题】：R: How to speed up this function?R：如何加速这个功能？
【发布时间】：2012-02-15 21:07:18
【问题描述】：

我有一个大数据框（名为 z），如下所示：

    RPos    M1
    1   -0.00020
    2   0.00010
    3   -0.00012
    4   -0.00035
    5   -0.00038 
...etc (about 300,000 observations)

它本质上是一个时间序列（虽然它实际上是一个数据框，而不是ts 或zoo）。其中 RPos 是索引号（显式存储），M1 是任何指标。

我有另一个数据框（名为 actionlist），其中包含大约 30,000 个*非连续观察。 actionlist 的 RPos 列中的每个值代表 34 个连续点中的最后一个。

我的最后一条数据是单个数据框（名为 x），仅包含 34 个连续观察。

我的目标是计算 x 与 actionlist 中每个观察值之间的相关系数（同样，它是 34 个连续观察值的终点）。

为此，我必须从 z（大数据框）生成这些 34 点连续点时间序列片段。

目前，我正在这样做：

n1<-33:0
for(i in 1:nrow(actionlist))
{
    crs[i,2]<-cor(z[actionlist$RPos[i]+n1,2],x[,2])  
}

当查看 Rprof 读数时，我得到的是：

$by.self
              self.time self.pct total.time total.pct
[.data.frame       0.68    25.37       0.98     36.57
.Call              0.22     8.21       0.22      8.21
cor                0.16     5.97       2.30     85.82
...etc

看起来[.data.frame 花费的时间最长。具体来说，我很确定这是这一部分： z[actionlist$RPos[i]+n1,2]

我怎样才能加快（消除需要？）这部分功能？

我之前问过一个类似的问题，除了查看限制列表 (actionlist) 之外，我查看了 z 内所有可能的连续 34 次观察。答案已发布here,，但我不知道如何使其适应受限列表。

任何帮助将不胜感激！

【问题讨论】：

贴一些可复现的代码和测试数据会更容易帮助到你。
此外，如果您在此使用与上一个答案相同的术语，会更容易（尤其是对我而言！）。有什么理由需要z 和x 成为data.frames？重复子集不需要的东西是非常浪费的，例如，您可以轻松地将 x[,2] 置于循环之外，只需在外部执行一次 x2 <- x[,2]，然后在循环中将该向量称为 @987654335 @。同样，如果Rpos 本身只是从1:nrow(z) 运行，则根本不需要使用$Rpos[i] 进行索引...
是的，你绝对是对的，以后我会使用一致的术语。我会记住子集的事情。

标签： r dataframe time-series

【解决方案1】：

最直接的可能是构建包含您想要的数据的矩阵计算相关性，并完全避开循环。

# Sample data
n <- 3e5
m <- 3e4
k <- 35
z <- data.frame(
  RPos = 1:n,
  M1   = rnorm(n)
)
actionlist <- sample( k:n, m )
x <- rnorm(k)

system.time( for (j in 1:10) {
  # Index of the observations we want
  i <- sapply( (k-1):0, function(u) actionlist - u )
  # Data we want to compute the correlation with
  y <- matrix( z$M1[i], nr=nrow(i) )
  # Computations
  result <- cor(t(y),x)
} ) # 150ms per iteration

【讨论】：

太棒了！这让事情加速了很多。非常感谢！