當涉及多個任務和/或if語句時避免出現循環

Question

我有一個很大的data.frame，有數千行，我每次循環創建第1行的一個子集，然後遞增一個額外的行，每次迭代。

在每個子集上，我執行幾個任務，這些任務來自對編程的pythonic理解，我用'for'循環執行。例如。

df <- data.frame(a=c(1:10), b=c(11:20), c=c(21:30), d=c(31:40)) 
for (index in 1:nrow(df)) { 
    thisSubset <- df[1: index,] 

    #loop 1 
    new1 <- ncumeric(nrow(thisSubset)) 
    for (i in 1:nrow(thisSubset)) {    
     var1 = 5 - thisSubset$b[i]   
     new1[i] <- 1/exp(var1*log(2)); 
    } 
    #loop 2   
    new2 <- numeric() 
    for (i in 1:nrow(thisSubset)) if (thisSubset$c[i] >25) { 
    new2<- c(new2, (thisSubset$a[i]/exp(5*log(2)))) 
    } 
    #loop 3 
    new3 <- numeric(nrow(thisSubset)) 
    for (i in 1:nrow(thisSubset)) if (thisSubset$a[i] < 5) { 
     new3[i] <- thisSubset$d[i]-thisSubset$d[i+1]/2 
    } else { 
    new3[i] <- thisSubset$d[i]-thisSubset$d[i-1]/2 
    } 
    #loop x 
    #... 
} 

隨着我的數據集越來越大，處理時間呈指數增長到幾個小時。我很感激在R中有更好的方式來執行類似的任務（例如apply），但是當每個循環中發生幾件事情時，以及每行中有多個元素被使用時，我還可以使用'for'以外的任何東西嗎？如果有人能夠給我一個上面提到的每個或任何循環的例子，我將不勝感激。

Answer 1

R是一種向量化語言，因此大多數函數可以應用於整個列中的一個語句，而不必迭代每行。例如，我向量化了你的三個內部循環：

df <- data.frame(a=c(1:10), b=c(11:20), c=c(21:30), d=c(31:40)) 

thisSubset <- df 

    #loop 1 
    new1 <- numeric(nrow(thisSubset)) 
    var1 = 5 - thisSubset$b  
    new1 <- 1/exp(var1*log(2)); 

    #loop 2   
    new2 <- numeric() 
    new2<- (thisSubset$a[thisSubset$c >25]/exp(5*log(2))) 

    #loop 3 
    new3 <- numeric(nrow(thisSubset)) 
    dplus1 <-c(thisSubset$d[-1], thisSubset$d[length(thisSubset$d)]) 
    dminus1 <-c(thisSubset$d[1], thisSubset$d[-length(thisSubset$d)]) 
    new3<- ifelse((thisSubset$a < 5), thisSubset$d-dplus1/2, thisSubset$d-dminus1/2) 
    #loop x 
    #... 

你的外部循環是不必要的。
有關其他意見，請參閱Mark的解決方案。

Answer 2

對於循環來說，並不比真正的應用慢（實際上，有時它們甚至可以更快！）。只要有可能，真正的速度收益來自將明確的循環轉換爲矢量化代碼。例如，環路1和環路2在代碼可以被轉換爲矢量化語句像這樣：

#loop 1 
new1 <- 1/exp((5 - thisSubset$b) * log(2)) 

#loop 2   
new2 <- thisSubset$a[thisSubset$c > 25]/exp(5 * log(2)) 

事情變得棘手一點當你的計算依賴於向量（的索引進行向量化，如在環3中），但確實存在具有各種「滾動」功能的高效實現的軟件包（有關詳細信息，請參閱roll和zoo軟件包）。

當你需要使用for循環，記住，你應該總是開始迭代，而不是迭代過程中不斷增長的前預分配你的「成果」向量：

#bad 
new2 <- numeric() 
for (i in 1:nrow(thisSubset)) { 
    if (thisSubset$c[i] >25) { 
    new2<- c(new2, (thisSubset$a[i]/exp(5*log(2)))) 
    } 
} 

#good 
new2 <- numeric(length = nrow(thisSubset)) 
for (i in 1:nrow(thisSubset)) { 
    if (thisSubset$c[i] >25) { 
    new2[i] <- (thisSubset$a[i]/exp(5*log(2))) 
    } 
} 

這可以防止[R不必在每次迭代之後複製new2並導致更快的代碼。