R 中的 For 循环是邪恶的吗？

我听说你不打算将过程编程风格强加到 R 上。我发现这很难。我刚刚用 for 循环解决了一个问题。这是错误的吗？有没有更好、更“R 风格”的解决方案？

问题：我有两列：Col1 和 Col2。 Col1 包含以自由格式输入的职位名称。我想使用 Col2 将这些职称收集到类别中（因此“初级技术员”、“工程技术员”和“机械技术员”都列为“技术员”）。

我是这样做的：

jobcategories<-list(
"Junior Technician|Engineering technician|Mech. tech." = "Technician",
"Manager|Senior Manager|Group manager|Pain in the ****" = "Manager",
"Admin|Administrator|Group secretary" = "Administrator")

for (currentjob in names(jobcategories)) {
  df$Col2[grep(currentjob,data$Col1)] <- jobcategories[[currentjob]]
}

这会产生正确的结果，但我无法摆脱这样的感觉：（由于我的程序经验）我没有正确使用 R。 R 专家可以帮助我摆脱痛苦吗？

EDIT

我被要求提供原始数据。不幸的是，我不能提供它，因为里面有机密信息。它基本上是两列。第一列包含 400 多行不同的职位（以及奇怪的个人姓名）。这 400 种图书可分为大约 20 个不同的类别。第二列以 NA 开始，然后在运行 for 循环后填充。

你是对的，在 R 中经常不鼓励使用 for 循环，根据我的经验，这有两个主要原因：

生长物体

正如第 2 圈中雄辩地描述的那样地狱R，一次增长一个对象的一个​​元素可能效率极低，这通常是 for 循环中的诱惑。例如，这是一个非常常见但效率低下的工作流程，因为它重新分配output循环的每次迭代：

output <- c()
for (idx in indices) {
  scalar <- compute.new.scalar(idx)
  output <- c(output, scalar)
}

这种低效率可以通过预分配来消除output到适当的大小并使用 for 循环或使用类似的函数sapply.

错过更快的矢量化替代方案

效率低下的第二个原因是当存在矢量化替代方案时，在快速操作上执行 for 循环。例如，考虑以下代码：

s <- 0
for (elt in x) {
  s <- s + elt
}

这是一个非常快速的操作（将两个数字相加）的 for 循环，与向量化相比，循环的开销将很大sum函数，将向量中的所有元素相加。这sum函数速度很快，因为它是用 C 实现的，所以执行起来会更有效率s <- sum(x)比使用 for 循环（更不用说更少的打字）。有时需要更多的创造力来弄清楚如何用矢量化替代方案替换 for 循环（cumsum and diff出现很多），但它可以显着提高效率。如果您有一个快速循环内部，但无法弄清楚如何使用矢量化函数来实现相同的目标，我发现使用 Rcpp 包重新实现循环可以产生更快的替代方案。

总之...

如果您错误地增长对象，或者循环内部非常快，并且整个循环可以用矢量化操作替换，则 For 循环可能会很慢。否则，您可能不会损失太多效率，因为 apply 函数系列也在内部执行 for 循环。