作者locka (locka)
看板R_Language
标题[讨论] for loop与*apply function请益
时间Fri May 22 03:29:11 2015
各位大大晚安,
我有一份总共九个栏位约30万笔的原始资料,
因为想要分成4组画图
所以第一个想到的事就是新增第十个栏位(称作group),
然後根据某个栏位(假设为第八个栏位好了)的值分组,
并填入第十个栏位(group1~group4)
很笨的用for loop搭配if else写,可是速度整个悲剧...
好读程式码请见:
http://pastie.org/10200854
add.col.group <- function(data){
data$group <- 0
for(i in 1:nrow(data)){
if(data[i,8] < 0.25){data[i,10] <- "group1"}
else if(data[i,8] < 0.5 & data[i,8] > 0.25){data[i,10] <- "group2" }
else if(data[i,8] < 0.75 & data[i,8] > 0.5){data[i,10] <- "group3" }
else {data[i,10] <- "group4" }
}
data
}
## call function
new.data <- add.col.group(data)
後来尝试改成用sapply搭配自己写的判断函式
好读程式码请见:
http://pastie.org/10200933
## 判断分组
assign.group <- function(value){
if(value < 0.25){return_value <- "group1"}
else if(value < 0.5){return_value <- "group2" }
else if(value < 0.75){return_value <- "group3" }
else return_value <- "group4"
return_value
}
## 新增栏位并填入值
add.col.group <- function(data){
data$group <- 0
data$group <- sapply(data$avg, assign_group) ##avg即为第八个栏位的名称
data
}
## call function
new_data <- add.col.group(data)
结果没想到,速度竟然是爆发性的进展!!!(惊)
(因为怕爆掉,先用2万笔资料测试)
用for loop写:
user system elapsed
0.11 0.00 0.11
用sapply写:
user system elapsed
42.18 0.00 43.02
可是不知道这样的写法会不会很笨...还有更好的写法吗?
还是其实根本不应该用*apply写?
还请各位高手大大指点一下,谢谢大家了!
後记:
原本是想要发文求指点sapply的写法...
结果刚刚文章打到一半当掉的时候, 突然灵光乍现了!
虽然好像没有很难, 可是能靠自己的力量想出来总是很开心的一件事啊>"<
(尽管文章要重打很累XD)
[环境叙述]:
version.string R version 3.0.3 (2014-03-06)
[关键字]:
for loop, sapply
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 59.115.22.250
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/R_Language/M.1432236554.A.019.html
1F：→ obarisk: apply和for差不多吧，vectorize才会变快 05/22 09:06
2F：→ obarisk: 用cut+cbind 05/22 09:34
3F：→ obarisk: 或是用 nvec <- c(NA, length=nrow(da)) 05/22 09:34
4F：→ obarisk: nvec[da[, 8]<.25] <- "grp1" 05/22 09:35
5F：→ obarisk: 依此类推，最後再cbind 05/22 09:35
6F：推 gsuper: Function内包function是主因 05/22 13:57
7F：→ gsuper: 这种写法很不容易写 效率又会爆炸性的变差 真的是事倍功半 05/22 13:58
8F：→ gsuper: 另外一个大问题 05/22 14:30
9F：→ gsuper: 我直接开一篇好了 05/22 14:31
10F：→ andrew43: 二个关键：用 cut()，以及不要多次改写 data frame。 05/22 22:33
11F：→ andrew43: 用对方法的话，20万笔应该按enter就马上有结果不会卡。 05/22 22:36
12F：→ locka: 在此先谢谢obarisk,gsuper,andrew43等大大热情的回应。我 05/23 00:25
13F：→ locka: 觉得andrew大讲到一个点，就是我一直想要改写data frame， 05/23 00:25
14F：→ locka: 因为对我来说总觉得这样资料比较好懂不会乱(似乎脑袋好像 05/23 00:25
15F：→ locka: 还停留在用一般dbms的table在理解r的data frame…)待我测 05/23 00:25
16F：→ locka: 试後有心得再跟大家分享，先谢谢大家了！ 05/23 00:25
17F：→ andrew43: 我的「改写」的意思是不要频繁地改变data frame 05/23 01:08
18F：→ andrew43: 因为这会算很慢，并不是指不要改变data frame喔 05/23 01:09
19F：推 alasa15: 看起来dplyr可以完美解决你的问题 05/24 02:48