使用apply將R循環轉換為函數形式

Question

我編寫了一些R代碼來解析字符串，計算子字符串的出現次數，然后填充一個子字符串計數表。 它運行正常，但它對我正在使用的實際數據（這是非常大的）真的很慢，而且我知道很多是因為我使用循環而不是apply系列中的函數。 我一直在嘗試將此代碼轉換為功能形式，我沒有運氣，任何人都可以幫忙嗎？ 我最大的問題是我無法找到一種方法來使用列名來匹配apply結構中的值。 這是包含一些玩具數據的代碼：

#Create toy data, list of unique substrings
code_frame<-matrix(c(c('a|a|b|c|d'),c('a|b|b|c|c'),c('a|b|c|d|d')),nrow=3,ncol=1)   
all_codes_list<-c('a','b','c','d')

#create data frame with a column for each code and a row for each job
code_count<-as.data.frame(matrix(0, ncol = length(all_codes_list), nrow = nrow(code_frame)))
colnames(code_count)<-all_codes_list

#fill in the code_count data frame with entries where codes occur
for(i in 1:nrow(code_frame)){
    test_string<-strsplit(code_frame[i,1],split="|",fixed=TRUE)[[1]]
    for(j in test_string){
        for(g in 1:ncol(code_count)){
            if(j == all_codes_list[g]){
                code_count[i,g]<-code_count[i,g]+1
                }
            }
        }
    }

謝謝。

Answer 1

一個oneliner，分為3行：

do.call(rbind,
        lapply(strsplit(code_frame[,1], "|", fixed=TRUE),
               function(x) table(factor(x, levels=all_codes_list))))

請注意， strsplit是矢量化的，因此您不需要在所有行上使用外部循環。 你的內部循環基本上是在計算每個代碼的出現次數，這是一個table的應用程序。 最后， do.call(rbind, *)是將行列表轉換為單個數據幀的標准習慣用法。

Answer 2

qdap軟件包有一個非常適合這個的工具，應該非常快速且編碼很少，稱為mtabulate ：

library(qdap)    
mtabulate(strsplit(code_frame, "\\|"))

##   a b c d
## 1 2 1 1 1
## 2 1 2 2 0
## 3 1 1 1 2

基本上它需要矢量列表（來自strsplit輸出）並為每個矢量創建一行表格信息。

編輯：如果速度真的是你的事情在這里是1000復制的基准（Win 7機器上的microbenchmark包 ）：

Unit: microseconds
     expr      min       lq   median       uq      max neval
   HONG()  592.458  620.448  632.111  644.706 4650.560  1000
  TYLER()  324.220  342.413  351.743  361.073 3556.613  1000
 HENRIK() 1527.329 1560.450 1578.177 1614.331 4828.297  1000

和視覺輸出：

Answer 3

base替代方案：

df <- read.table(text = code_frame, sep = "|")

tt <- apply(df, 1, function(x){
  x2 <- factor(x, levels = letters[1:4])
  table(x2)
  })

t(tt) 

#      a b c d
# [1,] 2 1 1 1
# [2,] 1 2 2 0
# [3,] 1 1 1 2