32

假设您有一个包含多行多列的数据框。

列有名称。您想按数字访问行，按名称访问列。

例如，一种（可能很慢）循环遍历行的方法是

for (i in 1:nrow(df)) {
  print(df[i, "column1"])
  # do more things with the data frame...
}

另一种方法是为单独的列（如column1_list = df[["column1"]）创建“列表”，并在一个循环中访问列表。这种方法可能很快，但如果您想访问许多列，也很不方便。

是否有一种快速循环数据框行的方法？其他一些数据结构是否更适合快速循环？

4

3 回答 3

15

我认为我需要将其作为一个完整的答案，因为我发现评论更难追踪，而且我已经失去了对此的评论...... nullglob的一个例子展示了 for 之间的差异，并且比其他例子更好地应用家庭函数. 当一个函数使得它非常慢时，这就是所有速度都被消耗的地方，你不会发现循环变化之间的差异。但是，当您使函数变得微不足道时，您可以看到循环对事物的影响有多大。

我还想补充一点，在其他示例中未探索的应用系列的一些成员具有有趣的性能属性。首先，我将在我的机器上显示 nullglob 的相关结果的复制。

n <- 1e6
system.time(for(i in 1:n) sinI[i] <- sin(i))
  user  system elapsed 
 5.721   0.028   5.712 

lapply runs much faster for the same result
system.time(sinI <- lapply(1:n,sin))
   user  system elapsed 
  1.353   0.012   1.361

他还发现 sapply 慢得多。这是其他一些未经测试的。

普通旧适用于数据的矩阵版本......

mat <- matrix(1:n,ncol =1),1,sin)
system.time(sinI <- apply(mat,1,sin))
   user  system elapsed 
  8.478   0.116   8.531

因此，apply() 命令本身比 for 循环慢很多。（如果我使用 sin(mat[i,1])，for 循环不会明显减慢。

另一个似乎没有在其他帖子中测试过的另一个是 tapply。

system.time(sinI <- tapply(1:n, 1:n, sin))
   user  system elapsed 
 12.908   0.266  13.589

当然，人们永远不会以这种方式使用 tapply，而且在大多数情况下，它的实用性远远超出了任何此类速度问题。

于 2010-07-26T22:14:07.240 回答
12

最快的方法是不循环（即矢量化操作）。您需要循环的唯一实例之一是存在依赖关系（即一个迭代依赖于另一个迭代）。否则，请尝试在循环外尽可能多地进行矢量化计算。

如果您确实需要循环，那么使用for循环基本上和其他任何东西一样快（lapply可以快一点，但其他apply功能往往与速度相同for）。

于 2010-07-26T18:06:54.767 回答
2

利用 data.frames 本质上是列向量列表这一事实，可以使用 do.call 应用一个函数，该函数具有 data.frame 的每一列上的列数（类似于列表上的“压缩”）其他语言）。

do.call(paste, data.frame(x=c(1,2), z=c("a","b"), z=c(5,6)))
于 2015-11-30T17:50:49.370 回答