作者:etqq | 来源:互联网 | 2022-12-10 13:00
我根据此条件在列c中存储值.我的数据框中有400万行,这需要2天才能完成.
for ( i in 1:NROW(df)) {
df$c[i+1] <- df$a[i] + df$b[i] - df$a[i+1]
print(i)
}
有没有替代这个for循环可以完成我正在做得更快的事情.提前致谢.
1> Maurits Ever..:
首先,最好提供一些样本数据并匹配预期输出,以说明您希望实现的目标.这将使SO社区更容易提供帮助.
除此之外,你可以使用 dplyr::lag
library(dplyr)
df <- mutate(df, c = lag(a) + lag(b) - a)
以下是基于我创建的示例数据的示例
# Sample data
df <- data.frame(
a = 1:10,
b = 11:20)
df <- mutate(df, c = lag(a) + lag(b) - a)
df
# a b c
#1 1 11 NA
#2 2 12 10
#3 3 13 11
#4 4 14 12
#5 5 15 13
#6 6 16 14
#7 7 17 15
#8 8 18 16
#9 9 19 17
#10 10 20 18
你确实可以确认一下c[i+1] = a[i] + b[i] - a[i+1]
.
基准分析
让我们在性能/运行时方面比较以下三种方法
使用dplyr::lag
和dplyr::mutate
使用基数R(感谢@nicola),
运用 data.table::shift
我们使用由样本数据10^6
条目a
和b
.
set.seed(2017)
df <- data.frame(
a = sample(100, 10^6, replace = T),
b = sample(100, 10^6, replace = T))
library(microbenchark)
res <- microbenchmark(
method_lag = {
df <- mutate(df, c = lag(a) + lag(b) - a)
},
method_base = {
df$c <- NA
df$c[-1] <- df$a[-nrow(df)] + df$b[-nrow(df)] - df$a[-1]
},
method_shift = {
df$c <- shift(df$a) + shift(df$b) - df$a
})
#Unit: milliseconds
# expr min lq mean median uq max neval cld
# method_lag 19.88495 21.81414 29.30085 23.83718 26.61746 107.04355 100 b
# method_base 51.00888 56.29822 90.05291 60.65321 128.79227 208.80537 100 c
# method_shift 10.86351 12.51993 18.34094 14.24705 16.88488 92.83246 100 a
autoplot(res)