如果在R中使用嵌套优化For循环

Question

我正在尝试将多个csv文件合并到单个数据框中，并尝试使用for循环来操纵结果数据框。 结果数据帧可能有1,500,000至2,000,000行之间的任意位置。

我使用下面的代码相同。

setwd("D:/Projects")
library(dplyr)
library(readr)
merge_data = function(path) 
{ 
  files = dir(path, pattern = '\\.csv', full.names = TRUE)
  tables = lapply(files, read_csv)
  do.call(rbind, tables)
}


Data = merge_data("D:/Projects")
Data1 = cbind(Data[,c(8,9,17)],Category = "",stringsAsFactors=FALSE)
head(Data1)

for (i in 1:nrow(Data1))
{ 
  Data1$Category[i] = ""
  Data1$Category[i] = ifelse(Data1$Days[i] <= 30, "<30",
                       ifelse(Data1$Days[i] <= 60, "31-60",
                       ifelse(Data1$Days[i] <= 90, "61-90",">90")))     

}

但是，代码运行了很长时间。 有没有更好，更快的方法来执行相同的操作？

Answer 1

通过从data.table读取fread ，然后使用cut/findInterval可以使此操作更加优化。 当它在服务器上的多个内核中运行时， fread将利用所有节点并并行执行，这将变得更加明显。

library(data.table)
merge_data <- function(path) { 
   files = dir(path, pattern = '\\.csv', full.names = TRUE)
  rbindlist(lapply(files, fread, select = c(8, 9, 17)))
 }

Data <- merge_data("D:/Projects")
Data[, Category := cut(Data1, breaks = c(-Inf, 30, 60, 90, Inf), 
      labels = c("<=30", "31-60", "61-90", ">90"))]

Answer 2

您已经在使用dplyr ，为什么不这样做：

Data = merge_data("D:/Projects") %>%
  select(8, 9, 17) %>%
  mutate(Category = cut(Days,
                        breaks = c(-Inf, 30, 60, 90, Inf), 
                        labels = c("<=30", "31-60", "61-90", ">90"))

Answer 3

Akrun确实正确，因为fread的读取速度要快得多。

但是，除了他的文章外，我还要补充一点，您的for循环完全没有必要。 他用不熟悉的cut / findInterval代替了它。 但是，就简单的R编程而言，当计算中的某些因素逐行更改时，for循环是必需的。 但是，在您的代码中并非如此，并且不需要for循环。

本质上，当您只需要对该列运行一次时，您最多可以运行200万次计算。

您可以使用以下内容替换您的for循环：

Data1$category = ifelse(Data1$Days <= 30, "<=30",
                 ifelse(Data1$Days <= 60, "31-60",
                 ifelse(Data1$Days <= 90, "61-90",">90")))

而且您的代码将更快地运行waaaaaay