【发布时间】：2017-01-23 21:00:06
【问题描述】：
我想获取与数据集中所有邮政编码相关联的县名。我使用数据框获得了相对较快的结果（尽管我觉得它可以做得更快），但使用 data.table 却不是这样，即使进行了一些优化。有没有办法使用数据帧或 data.tables 进一步加快速度？
这是我的初始化（基于this answer）：
library(noncensus)
data(zip_codes)
data(counties)
counties$fips <- as.numeric(paste0(counties$state_fips, counties$county_fips))
使用数据帧计算（秒稍快，正如预期的那样） - 20、16 秒：
system.time(sapply(zip_codes$fips, function(x) subset(counties, fips == x)$county_name))
system.time(sapply(zip_codes$fips, function(x) counties[counties$fips==x,]$county_name))
使用数据表计算 - 60、43 秒：
zip_codes.dt <- data.table(zip_codes)
counties.dt <- data.table(zip_codes)
system.time(sapply(zip_codes.dt$fips, function(x) subset(counties.dt, fips == x)$county_name))
setkey(counties.dt, fips) # optimizing
system.time(sapply(zip_codes.dt$fips, function(x) counties.dt[.(x)]$county_name))
【问题讨论】：
-
你的前三行，
counties$fips的构造，可以用counties$fips <- interaction(counties$state_fips, counties$county_fips)在一行中获得。 -
@lmo 这在因子变量的值中引入了
.，这与zip_codes中fips的命名不匹配。 -
interaction的 sep 参数设置为“.”默认。使用 sep="" 摆脱它。 -
我们可以只使用
paste，即paste0(counties$state_fips, counties$county_fips)，它将是一个character向量 -
您在这里所做的大部分操作都与标准 data.table 语法非常不一致。也许先浏览一下小插曲。对于初学者：
counties.dt[.(x)]$county_name应该使用, county_name而不是$；而且我怀疑有任何理由使用sapply而不是在那里进行单次连接...
标签： r data.table