在 R 中使用嵌套 if 优化 For 循环

Question

我正在尝试将多个 csv 文件合并到一个数据帧中，并尝试使用 for 循环操作生成的数据帧。生成的数据框可能有 1,500,000 到 2,000,000 行。

我正在使用下面的代码。

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")))     

}

但是代码运行很长。有没有更好更快的方法来做同样的操作？

Answer 1

我们可以通过使用 fread 从 data.table 读取然后使用 cut/findInterval 来优化它。当运行在多个内核中时，这将变得更加明显，服务器上的节点 fread 利用所有节点并并行执行

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，为什么不直接：

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

Ak运行确实是正确的，fread 快得多 read.csv。

但是，除了他的post，我还要补充一点，你的for循环是完全没有必要的。他用我不熟悉的 cut/findInterval 代替了它。不过，就简单的 R 编程而言，当计算中的某些因素逐行变化时，for 循环是必要的。但是，在您的代码中，情况并非如此，也不需要 for 循环。

本质上，当您只需要运行对列进行一次计算时，您正在运行计算多达 200 万次。

您可以用这样的东西替换您的 for 循环：

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

您的代码运行会更快

在 R 中使用嵌套 if 优化 For 循环

Optimizing For loop with nested if in R

for-loop

r

nested-loops