在 data.table “by”循环中显示进度的简单方法答案

【问题标题】：Simple way of showing progress in data.table "by" loops在 data.table “by”循环中显示进度的简单方法
【发布时间】：2016-02-22 11:10:30
【问题描述】：

我的计算机速度很慢，我的一些 R 计算需要数小时甚至数天才能运行。我确信它们可以提高效率，但与此同时，我想找到一种简单的方法来显示 R 在进行所需计算方面有多远。

在loop 中，print(i) 可以轻松完成此操作。在进行data.table 计算时是否可以使用类似的东西？

例如，以下代码在我的机器上运行大约需要 50 个小时

q[, ties := sum(orig[pnum == origpat, inventors] %in% ref[pnum == ref.pat, inventors]), by = idx]

q 是一个 data.table 列，origpat、ref.pat 和 idx（索引）作为列。数据表orig 和ref 都包含pnum 和inventors 列。该代码仅查找两组中重叠发明人的数量，但考虑到迭代性质 (by = idx)，它需要很长时间。我希望我的屏幕发布进度，例如每 1,000 行（大约有 20 个 mio 行）。

有什么方法可以简单地做到这一点？

【问题讨论】：

你能给出一个最小的可重现问题的例子吗？也许有人也可以建议一种更有效/更快的方法来做到这一点
感谢您的评论，您可以在此链接中找到一个示例：stackoverflow.com/questions/35310315/… 前段时间我发布了一个与此问题非常相似的问题，data.table 中的解决方案是有人提出的最好的与。
请编辑您的问题，使其成为独立资源，不依赖于其他问题/链接。
试试ies := {print(.GRP); sum(orig[pnum == origpat, inventors] %in% ref[pnum == ref.pat, inventors])} 这类似于print(i)
@Frank，太棒了，这正是我想要的。谢谢大家！

标签： r data.table

【解决方案1】：

试试

q[, ies := {
  print(.GRP)
  sum(orig[pnum == origpat, inventors] %in% ref[pnum == ref.pat, inventors])
}, by=idx]

这类似于 print(i) 的按组操作。

【讨论】：