我如何简化这段代码 (r)，我在其中使用原始数据集中的信息来创建新数据集？

Question

我有一个数据集，我试图用它在 R 中生成不同的数据集。数据集有很多列；但是生成新数据集的三个相关列是“Reach”、“Results”和“DV”。达到和结果是数字。 DV 是具有 0 和 1 的二进制。在原始数据集中，所有行的 DV = 0.

对于原始数据集的每一行，我尝试取一个变量“Reach”并复制该行“reach”次数。然后对于这组新行，我想将新行的“结果”编号（来自原始行）的 DV 从 0 更改为 1。

例如，在原始数据集的第 33 行中：Reach = 1004，Results = 45，DV = 0。新数据集应该将第 33 行复制 1004 次，其中 45 行 DV 应该是从 0 变为 1。

我为任务编写的代码有效...但是运行需要 10 多个小时，因为文件太大了。关于如何简化此代码以加快处理速度的任何想法

empty_new.video <- new.video[FALSE,]
for(i in 1:nrow(new.video)){
  n.times <- new.video[i,'Reach'] #determine number of times to repeat rows
  if (n.times > 0){
    for (j in 1:n.times){
      empty_new.video[nrow(empty_new.video) + 1 , ] <- new.video[i,]
    }
  }
  dv.times <- new.video[i,'Results'] #creating dependent variable 
  if (dv.times>0){
    for (k in 1:dv.times){
      empty_new.video[nrow(empty_new.video) - n.times + k,'DV'] <- 1
    }
  }
}

Answer 1

避免在循环中增加对象。考虑 Map（mapply 的包装器）按元素遍历所有原始数据集的列以构建数据帧列表，最终在最后连接一次。

build_rows <- function(reach, results) {
    # DATA FRAME TO REPLICATE REACH BY ITS LENGTH
    df <- data.frame(id = reach, reach = 1:reach, dv = 0)

    # RANDOMLY ASSIGN N ROWS TO 1 (N=RESULTS)  
    df$dv[sample(1:nrow(df), results),] = 1 

    # ASSIGN FIRST N ROWS TO 1 (N=RESULTS)
    df$dv[1:results,] = 1 

    return(df)
}

df_list <- Map(build_rows, original_data$Reach, original_data$Results)

final_df <- do.call(rbind, df_list)

Answer 2

您可以定义一个简单的函数，为一行执行此操作并检查结果，而不是一次执行所有操作的循环

dd <- data.frame(Reach = c(5, 3), Results = c(4, 1), DV = c(0, 0))
#   Reach Results DV
# 1     5       4  0
# 2     3       1  0

f <- function(data) {
  nr <- data$Reach
  nd <- data$Results
  data <- data[rep_len(1L, nr), ]
  data$DV <- rep(0:1, c(nr - nd, nd))
  rownames(data) <- NULL
  data
}
f(dd[1, ])

然后循环每一行

res <- lapply(split(dd, rownames(dd)), f)
do.call('rbind', res)
#     Reach Results DV
# 1.1     5       4  0
# 1.2     5       4  1
# 1.3     5       4  1
# 1.4     5       4  1
# 1.5     5       4  1
# 2.1     3       1  0
# 2.2     3       1  0
# 2.3     3       1  1

但实际上您所做的只是为 DV 创建一个行索引向量和 0/1 值，您可以使用 rep

ii <- rep(1:nrow(dd), dd$Reach)

jj <- c(t(cbind(dd$Reach - dd$Results, dd$Results)))
dv <- rep(rep(0:1, nrow(dd)), jj)

within(dd[ii, ], {
  DV <- dv
})
#     Reach Results DV
# 1       5       4  0
# 1.1     5       4  1
# 1.2     5       4  1
# 1.3     5       4  1
# 1.4     5       4  1
# 2       3       1  0
# 2.1     3       1  0
# 2.2     3       1  1

我如何简化这段代码 (r)，我在其中使用原始数据集中的信息来创建新数据集？

How can I simplify this code (r) in which I am using information from an original data set to create a new dataset?

performance

for-loop

r