我有一个只有 1 行的数据框。为此，我开始使用 rbind 添加行
df #mydataframe with only one row
for (i in 1:20000)
{
df<- rbind(df, newrow)
}
随着我的成长，这变得非常缓慢。这是为什么？以及如何使这种类型的代码更快？
【问题讨论】：
标签： r performance dataframe append rbind
您在2nd circle of hell，即未能预先分配数据结构。
以这种方式增长对象在 R 中是一件非常非常糟糕的事情。预分配和插入：
df <- data.frame(x = rep(NA,20000),y = rep(NA,20000))
或重组您的代码以避免这种增量添加行。正如我在引用的链接中所讨论的那样，速度缓慢的原因是每次添加一行时，R 都需要找到一个新的连续内存块来适应数据框。大量复制。
【讨论】：
lapply 生成每行的列表，然后使用do.call(rbind,...) 将它们拼接在一起。但除此之外，鉴于您提供的信息，该解决方案需要更多的重构，而我无法提供帮助。
df[j,] <- newrow 也很慢，尤其是在运行后期它会变慢。我可以理解它需要一些数据帧复制，但它应该比第二个地狱循环方法快几个数量级......
我尝试了一个例子。对于它的价值，它同意用户的断言，即在数据框中插入行也很慢。我不太明白发生了什么，因为我预计分配问题会超过复制速度。任何人都可以复制这个，或者解释为什么下面的结果（rbind
编辑：我第一次忘记将hell2fun 中的对象初始化为数据帧，所以代码是在做矩阵运算而不是数据帧运算， 更快。如果有机会，我会将比较扩展到数据框与矩阵。不过，第一段中的定性断言仍然成立。
N <- 1000
set.seed(101)
r <- matrix(runif(2*N),ncol=2)
## second circle of hell
hell2fun <- function() {
df <- as.data.frame(rbind(r[1,])) ## initialize
for (i in 2:N) {
df <- rbind(df,r[i,])
}
}
insertfun <- function() {
df <- data.frame(x=rep(NA,N),y=rep(NA,N))
for (i in 1:N) {
df[i,] <- r[i,]
}
}
rsplit <- as.list(as.data.frame(t(r)))
rbindfun <- function() {
do.call(rbind,rsplit)
}
library(rbenchmark)
benchmark(hell2fun(),insertfun(),rbindfun())
## test replications elapsed relative user.self
## 1 hell2fun() 100 32.439 484.164 31.778
## 2 insertfun() 100 45.486 678.896 42.978
## 3 rbindfun() 100 0.067 1.000 0.076
【讨论】：
rsplit <- split(data.frame(r), seq_len(nrow(r))) 进行更公平的比较，并在函数内分配。然后使用data.table::rbindliststackoverflow.com/a/12718498/1385941
(df <- do.call(rbind, rsplit))（阅读时，我的评论难以理解）。