使用 apply 或类似方法优化 R 嵌套循环

Question

我在这里向您展示的代码准确地计算出我想要的，除了一个问题：对于大型数据集，它只需要 太长。因此，我想知道 是否有使用 apply() 系列或其他方式的替代解决方案。

我总是很难将嵌套循环重新表达为矢量函数。你觉得你能帮我一把吗？我将不胜感激；）

所以，在应用这个嵌套循环之前，我已经有了：

1. 2 个数据帧，分别称为 “DATA” 和 “DATA_100_WELLS”。从他们那里，我只需要变量“WELL”（分类）和“DELTA”（数字）
2. 3个全局变量，分别称为ti、ta和tb，会出现在嵌套循环中
3. 一个“chosen_model”，我将在函数“predict”中使用它

到这里……如果很难理解，请见谅……

#loop for each WELL from "DATA_100_WELLS"
for (WELL_PROCESS in unique(DATA_100_WELLS$WELL)) {
  #----------------------------------------------------------------------------------
  #I take just 1 of the wells
  print("WELL------------------------------------------------------------")
  print(WELL_PROCESS)
  DATA_WELL <- DATA_100_WELLS[DATA_100_WELLS$WELL==WELL_PROCESS,] #select just the well I want

  #I calculate some stuff (Var_est0, sigma, linf, lsup, Za, Zb, n_ray and A)
  DATA_WELL$Var_est0 = predict(chosen_model,data.frame(predict=DATA_WELL$predict))
  DATA_WELL$sigma    = sqrt(DATA_WELL$Var_est0)
  DATA_WELL$linf     <- DATA_WELL$predict+DATA_WELL$sigma*ta
  DATA_WELL$lsup     <- DATA_WELL$predict+DATA_WELL$sigma*tb
  Za                 <- qnorm(alfa/2)
  Zb                 <- qnorm(1-alfa/2)
  n_ray              <- mean(DATA_WELL$predict)
  A                  =  sum(DATA_WELL$Var_est0)

  #Then i create an empty df called "TABLE", and slice off the heading
  TABLE<-data.frame(well="",d=0,p=0)
  TABLE<-TABLE[-1,]
  #After that, I iterate over each WELL from the second df, "DATA"
  for (well in unique(DATA$WELL)){
    print(paste("Process...: ",well,sep=""))
    #I calculate variable "large",based on max value of the existing variable "DELTA" (numeric)
    large = max(DATA[DATA$WELL==well,]$DELTA)
    #cicle from 1 max.distance (large-1)
    for (d in c(1:(large-1))){
      #cicle from position 1 to large-distance (look how this turns to be symmetric)
      for (pos in (1:(large-d))){
        #I did all of this to calculate variables ti and tj 
        ti = DATA[DATA$WELL==well & DATA$DELTA==pos,]$ti
        tj = DATA[DATA$WELL==well & DATA$DELTA==pos+d,]$ti
        #I append the results into the once empty df "TABLE", and calculate p based on ti*tj
        TABLE<-rbind(TABLE,data.frame(well=well,d=d,p=ti*tj))
      }
    }
  }

参考文献：

1. “WELL”是一个分类变量，指定名称
2. "DELTA" 是一个已经存在的变量，存在于两个df中
3. 总共有 4 个循环：首先，针对 df1 中的每个 WELL。其次，对于 df2 中的每个 WELL。第三，对于向量 1:(large-1) 中的每个距离。最后，对于向量 1:(large-1) 中的每个位置，进行对称计算，并将其存储在 df "TABLE" 中。

就是这样。如有必要，也可以用 Python 编写解决方案。

说真的，谢谢！！

Answer 1

正如 cmets 中所提到的，如果没有可重现的示例，虽然我会尝试一下，但很难提供帮助。以下更改应该会加快速度：

1) 不要将对象重复绑定到自身，而是将元素插入列表并在循环之后调用 bind_rows。

2) 将 DATA df 子集到 wells_df 中，用于外循环中的每个井。

甚至比 #2 更好，但未实现，您可以在循环之前通过 WELL 将 DATA 拆分为一个列表，这样您只需遍历 DATA 一次。

我没有运行此代码。

table_agg <- list()

for (well in unique(DATA$WELL)){
  print(paste("Process...: ",well,sep=""))
  #I calculate variable "large",based on max value of the existing variable "DELTA" (numeric)
  wells_df <- DATA[DATA$WELL==well,]
  large = max(wells_df$DELTA)
  #cicle from 1 max.distance (large-1)
  for (d in c(1:(large-1))){
    #cicle from position 1 to large-distance (look how this turns to be symmetric)
    for (pos in (1:(large-d))){
      #I did all of this to calculate variables ti and tj 
      ti = wells_df[wells_df$DELTA==pos,]$ti
      tj = wells_df[wells_df$DELTA==pos+d,]$ti
      #I append the results into the once empty df "TABLE", and calculate p based on ti*tj
      table_agg[[length(table_agg)+1]]<-data.frame(well=well,d=d,p=ti*tj)
    }
  }
}

TABLE <- dplyr::bind_rows(table_agg)