R - 如果其他 1600 万行的时间太长答案

【问题标题】：R - if else taking too long for 16 million rowsR - 如果其他 1600 万行的时间太长
【发布时间】：2021-12-29 03:48:00
【问题描述】：

我有一个包含 1600 万行的数据框，我希望在现有列 Month 的基础上添加一列。如果月份是 3 或 4 或 5，列 Season 将为 spring 等。

for (i in 1:nrow(df)) {
    if (df$Month[[i]] %in% c(3,4,5)) {
        df$Season[[i]] <- "Spring"
    } else if (df$Month[[i]] %in% c(6,7,8)) {
        df$Season[[i]] <- "Summer"
    } else if (df$Month[[i]] %in% c(9,10,11)) {
        df$Season[[i]] <- "Autumn"
    } else if (df$Month[[i]] %in% c(12,1,2)) {
        df$Season[[i]] <- "Winter"
    }
}

但是，它需要很长时间才能完成。我能做什么？

【问题讨论】：

对于这么大的数据帧，尽量不要使用 for 循环。总有一个矢量化的替代方案。

标签： r

【解决方案1】：

一种更简单快捷的方法是创建月份和季节的数据框，然后将其加入您的父数据框。

像这样：

seasons<-data.frame(Month=1:12, Season=c("Winter", "Winter", rep("Spring", 3), rep("Summer", 3), rep("Autumn", 3), "Winter"))

answer <- dplyr::left_join(df, seasons)

这是假设两个数据框都有匹配的列名“月”。

我预计性能比for 循环提高约 1000 倍。

【讨论】：

【解决方案2】：

这更符合@Dave2e 的行，但带有基数 R：

Season=c("Winter", "Winter", rep("Spring", 3),
        rep("Summer", 3), rep("Autumn", 3), "Winter")
df<-data.frame(month=sample(1:12,10,replace=T)) #Sample data
df$season<-Season[df$month]
df
#   month season
#1      8 Summer
#2      8 Summer
#3      5 Spring
#4      7 Summer
#5      2 Winter
#6      4 Spring
#7     12 Winter
#8      7 Summer
#9     11 Autumn
#10     1 Winter

这个，明显比for循环方法快。

使用for 循环（1000 行）：

   #user  system elapsed 
   #0.02    0.00    0.02

使用矢量化方法（1000 行）：

   #user  system elapsed 
   #   0       0       0

使用system.time 计算。

考虑到只有 1000 行，这种差异可能看起来微不足道。但是，随着行数的增加（在 OP 的情况下为 1600 万），它变得非常大

【讨论】：