0

我正在尝试将某些功能分组。下面的data.frame（分组）是我的“关键”（想想Excel vlookup）：

          Original  Grouped
1         Features Constant
2     PhoneService Constant
3    PhoneServices Constant
4       Surcharges Constant
5     CallingPlans Constant
6            Taxes Constant
7          LDUsage    Noise
8    RegionalUsage    Noise
9       LocalUsage    Noise
10       Late fees    Noise
11 SpecialServices    Noise
12         TFUsage    Noise
13       VoipUsage    Noise
14         CCUsage    Noise
15         Credits  Credits
16         OneTime  OneTime

然后我引用我的数据库，它有一个列 (BillSection)，它采用来自 grouped$Original 的特定值，我想根据 grouped$Grouped 对其进行分组。我正在使用 sapply 函数来执行此操作。然后我将结果输出绑定到我的原始data.frame。

grouper<-as.character(sapply(as.character(bill.data$BillSection[1:100]), # for the first 100 records of the data.frame bill.data
       function(x)grouped[grouped$Original==x,2])) # take the second column, i.e. Grouped, for the corresponding "TRUE" value in Original
cbind(bill.data[1:100,],as.data.frame(grouper))

上面的代码按预期工作，但是当我将它应用到超过 10,000,000 条唯一记录的整个数据库时速度很慢。这种方法有替代方法吗？我知道我可以使用 plyr，但它甚至比 sapply 还要慢（我认为）。我试图用 data.table 解决这个问题，但没有运气。任何的意见都将会有帮助。我愿意用 Python 编写这个代码，我是新手，但听说比 R 快得多，因为我经常处理大型数据集。我想知道 R 是否可以足够快地做到这一点以便有用。

谢谢！

4

1 回答 1

2

我不确定我是否理解您的问题，但是您可以使用merge()吗？即类似...

merge(big.df, group.names.df, by.x='orginal.column.in.big.df',
      by.y='original', all.x=T)

注意。Plyr 有一个并行选项...

于 2013-02-11T17:15:31.083 回答