在大型数据框中查找哪一天是假期 - 巨大的运行时间

Question

我有一个包含一年中所有假期的 csv 文件，它是 "FILE A"。我还有一个很大的 csv 文件，里面有一些数据，其中有一列包含 POSIXlt class 中的日期。最后一个是"FILE B"

问题是，如何查看文件 B 中的哪些日期是假期？环境我整理一下，大家看得懂：

假设对象holidays包含一年中所有的假期 并假设 df 是包含一堆东西的数据框。但是，dates 列 df 包含该事件发生的日期

我解决问题的方法是使用以下函数和代码

b <- df$dates
z <- lapply(b, isHoliday)

isHoliday 实现为：

isHoliday<- function(var){
return ( any(holidays ==  as.Date(var))  )  #remember: var is on POSIXlt
}

如果 df$dates 的元素数量很少，这会起作用。但是，我的 df 有近 300 万行。并且，15 分钟后，没有 return。

因此，我再问一次

如何查看哪些日期是假期？

Answer 1

不要使用 lapply - 你本质上想要：

as.Date(b) %in% holidays

虽然 lapply 将遍历 b 和运行 as.Date 和 any length(b) 的每个值，但此代码将运行 as.Date 一次，然后使用 %in%.

在矢量化编译代码中进行所有比较

使用 == 也是不正确的，因为左侧会被回收。例如：

1:2 == c(1:2,2:1)
#[1]  TRUE  TRUE FALSE FALSE

Finding which day is a holiday in a large dataframe - HUGE runtime