【发布时间】：2013-04-02 18:53:12
【问题描述】：
预备题：这个问题主要具有教育价值，手头的实际任务已经完成，即使方法不是完全最优的。我的问题是下面的代码是否可以优化速度和/或更优雅地实现。也许使用其他软件包，例如 plyr 或 reshape。在实际数据上运行大约需要 140 秒，远高于模拟数据，因为一些原始行只包含 NA，并且必须进行额外的检查。为了比较，模拟数据的处理时间约为 30 秒。
条件：数据集包含 360 个变量，是 12 个变量的 30 倍。我们将它们命名为 V1_1、V1_2...（第一组）、V2_1、V2_2...（第二组）和等等。每组 12 个变量包含二分法（是/否）响应，在实践中对应于职业状态。例如：工作（是/否）、学习（是/否）等，共12种状态，重复30次。
任务：手头的任务是将每组 12 个二分变量重新编码为具有 12 个响应类别（例如工作、学习...）的单个变量。最终我们应该得到 30 个变量，每个变量都有 12 个响应类别。
数据：我无法发布实际数据集，但这是一个很好的模拟近似值：
randomRow <- function() {
# make a row with a single 1 and some NA's
sample(x=c(rep(0,9),1,NA,NA),size=12,replace=F)
}
# create a data frame with 12 variables and 1500 cases
makeDf <- function() {
data <- matrix(NA,ncol=12,nrow=1500)
for (i in 1:1500) {
data[i,] <- randomRow()
}
return(data)
}
mydata <- NULL
# combine 30 of these dataframes horizontally
for (i in 1:30) {
mydata <- cbind(mydata,makeDf())
}
mydata <- as.data.frame(mydata) # example data ready
我的解决方案：
# Divide the dataset into a list with 30 dataframes, each with 12 variables
S1 <- lapply(1:30,function(i) {
Z <- rep(1:30,each=12) # define selection vector
mydata[Z==i] # use selection vector to get groups of variables (x12)
})
recodeDf <- function(df) {
result <- as.numeric(apply(df,1,function(x) {
if (any(!is.na(df))) which(x == 1) else NA # return the position of "1" per row
})) # the if/else check is for the real data
return(result)
}
# Combine individual position vectors into a dataframe
final.df <- as.data.frame(do.call(cbind,lapply(S1,recodeDf)))
总而言之，有一个双 *apply 函数，一个跨列表，另一个跨数据框行。这使它有点慢。有什么建议？提前致谢。
【问题讨论】：
-
(+1) 框架很好的问题。
标签： r optimization apply