在R中分區和訪問數據幀行的最有效方法是什么？

Question

我需要遍歷數據框df ，其中

colnames(df) == c('year','month','a','id','dollars')

我需要遍歷所有唯一對('a','id') ，這些對是通過

counts <- count(df, c('area','normalid'))
uniquePairs <- counts[ counts$freq > 10, c('a','id') ]

接下來，我遍歷每個唯一對，找到這樣的對應行（我已對uniquePairs每一列進行uniquePairs適當命名）：

aVec <- as.vector( uniquePairs$a )
idVec <- as.vector( uniquePairs$id )
for (i in 1:length(uniquePairs))
{
    a <- aVec[i]
    id <- idVec[i]

    selectRows <- (df$a==a & df$id==id)
    # ... get those rows and do stuff with them ...
    df <- df[!selectRows,] # so lookups are slightly faster next time through
    # ...
}

我知道一般不建議for循環，但是在這種情況下，我認為這是適當的。 至少在我看來，這個問題無關緊要，但也許更有效的方法可以擺脫這種循環。

數據幀中有10-100k行，並且在查找時間和nrow(df)之間的關系要比線性關系差（盡管我尚未測試），這是nrow(df) 。

現在unique肯定在哪里見過這些對發生的，即使它沒有保存。 有沒有一種方法可以避免這種情況，以便我有一個布爾向量可以用於每個對，以便更有效地從數據幀中選擇它們？ 還是有其他更好的方法來做到這一點？

我有一種感覺，有些使用的plyr或reshape可以幫助我，但我仍然相對較新的很大的R生態系統，所以一些指導，將不勝感激。

Answer 1

data.table是您最好的選擇：

dt = data.table(df)
dt[,{do stuff in here, then leave results in list form},by=list(a, id)]

對於某些變量的平均值的簡單情況：

dt[,list(Mean = mean(dollars)), by = list(a, id)]