用于迭代数据帧并基于索引列生成列的应用函数

Question

让我来描述一下数据：

• abc 和 xyz 是指标。
• hit 基本上是索引号，例如：
  • 命中值3表示abc3和xyz3中对应的值
  • hit 4 表示 abc4, xyz4

数据

dat <- data.frame( abc1=c(7, 0, 7), 
                   abc2=c(5, 10, 20), 
                   abc3=c(0, 0, 10), 
                   abc4=c(3, 5, 19), 
                   abc5=c(2, 2, 0), 
                   abc6=c(2, 26, 0),
                   xyz1=c(0, 2, 0),
                   xyz2=c(1, 1, 6),
                   xyz3=c(8, 2, 0),
                   xyz4=c(6, 3, 5),
                   xyz5=c(9, 2, 2),
                   xyz6=c(4, 0, 0),
                   hit=c(3, 4, 4))

我需要做的是找到命中前和命中后的 abc 和 xyz。 下面的 for 循环可以很好地处理小型数据集，但如果数据超过 100k 行，则循环似乎永远运行。

for (c in c('abc','xyz')){
  for (i in 1:nrow(dat)){
    for (m in -2:2){

      dat[[paste(c,'hit', m)]][i] = dat[i,paste(c, dat$hit[i]-m, sep = "")]
    }
  }
}

在输出文件中， 第 1 行的 'abc hit 0' 指的是：hit=3，它依次选择 abc3 中的值并分配给 abc hit 0。

abc hit -1 转换为 hit=3-1=2 指向 abc2 和 xyz2

我知道 3 个 for 循环是个坏主意。请通过使用应用函数或任何其他减少执行时间的方式帮助我改进代码。

Answer 1

您似乎在 for 循环中颠倒了“m”：它从 -2 运行到 2，但随后您得到了 dat$hit - m - 减法是您想要的吗？还是应该是dat$hit + m？

您可以执行以下操作 - 我尚未在大型数据集上对其进行测试，但请试一试：

dat1 <- do.call(rbind, 
                lapply(split(dat, 1:NROW(dat)), 
                       function(x) {
                          z <- x[paste0('abc', x$hit + 2:-2)]; 
                          names(z) <- paste0('abc', -2:2); 
                          z 
                       }
                ))

split 函数为您提供数据框的行，愉快地保留列名，然后您可以使用lapply 函数逐行操作。

您可以通过将 -2 到 2 添加到 hit 来查找每行的相关列。

然后你将生成的列表重新组合成一个数据框。

更新： 对于 90K 行，这比上述速度快 30%：

dat1 <- t(sapply(split(dat, 1:NROW(dat)), 
                       function(x) unname(x[paste0('abc', x$hit + 2:-2)])  
                ))
dat1 <- as.data.frame(dat1)
colnames(dat1) <- paste0('abc', -2:2)