R 高效循环建议

Question

我有一个大约 500,000 行的数据框。其中一列包含正整数值，例如 A 列。假设有另一列 B

我现在需要创建第二个数据帧，其行数等于 sum(dataframe$A)。这已经完成了。

当我需要用数据填充这个新数据框时，就会出现性能问题。我正在尝试为第二帧创建 A2 列，如下所示：

A2<-vector() 
for (i in 1:nrow(dataframe)){
  A2<-c(A2,rep(dataframe$B[i],dataframe$A[i]))
}

对于正在处理的大量行，外部循环显然非常慢。有关如何以更快的处理速度完成此任务的任何建议。

感谢回复

Answer 1

您根本不需要循环。 rep 已经矢量化了。

A2 <- rep(dataframe$B, dataframe$A)

应该可以。作为一个可重现的示例，这是您使用内置 mtcars 数据集的方式。

x <- vector()
for(i in 1:nrow(mtcars)) {x <- c(x, rep(mtcars$cyl[i], mtcars$gear[i]))}
> x
  [1] 6 6 6 6 6 6 6 6 4 4 4 4 6 6 6 8 8 8 6 6 6 8 8 8 4 4 4 4 4 4 4 4 6 6 6 6 6
 [38] 6 6 6 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 8
 [75] 8 8 8 8 8 8 8 8 8 8 8 4 4 4 4 4 4 4 4 4 4 4 4 4 4 8 8 8 8 8 6 6 6 6 6 8 8
[112] 8 8 8 4 4 4 4

并且矢量化了，它是：

x2 <- rep(mtcars$cyl, mtcars$gear)
> x2
  [1] 6 6 6 6 6 6 6 6 4 4 4 4 6 6 6 8 8 8 6 6 6 8 8 8 4 4 4 4 4 4 4 4 6 6 6 6 6
 [38] 6 6 6 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 8
 [75] 8 8 8 8 8 8 8 8 8 8 8 4 4 4 4 4 4 4 4 4 4 4 4 4 4 8 8 8 8 8 6 6 6 6 6 8 8
[112] 8 8 8 4 4 4 4

这将比使用循环快几个数量级。