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。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)