我怎样才能避免遍历和搜索这个数据框？答案

【问题标题】：How can I avoid having to loop through and search through this data frame?我怎样才能避免遍历和搜索这个数据框？
【发布时间】：2014-08-04 23:32:42
【问题描述】：

我有一个 100 万行的数据框，其中包含 2003-2010 年各个账户的每月用水量数据 (HCF)：

> head(LeakyAccts)
      ACCOUNT     Date HCF
1    10114488 Oct 2010  25
2    10114488 Sep 2007  24
3    10114488 Nov 2006  11
4    10114488 Jun 2008  18
5    10114488 Aug 2003   6
6    10114488 Jan 2008  30

日期为yearmon。我想知道每个帐户与上一年同月相比每个月使用了多少。所以对于每一行，我想找出那个月的使用量（Date）和上一年同月的使用量（Date - 1）之间的差异。换句话说，我想要这个：

for(i in 1:nrow(LeakyAccts)) {
  row <- which((LeakyAccts$ACCOUNT == LeakyAccts[i,]$UB_ACCT_NBR) & (LeakyAccts$Date == (LeakyAccts[i,]$Date - 1)))

  if (length(row) == 1) {   # no previous year for 2003
     LeakyAccts[i,]$Difference <- LeakyAccts[i,]$HCF - LeakyAccts[row,]$HCF
  }
}

不用说，这个循环需要几个小时才能运行，而且看起来非常不像 R。如何避免使用丑陋的 for 循环并加快计算速度？有没有办法使用apply 函数或data.table 来做到这一点？

【问题讨论】：

标签： r loops search dataframe

【解决方案1】：

我已经稍微重新配置了您的数据以给出一个完整的示例：

library(zoo)
dat <- structure(list(ACCOUNT = c(10114488L, 10114488L, 10114488L, 20114488L, 20114488L, 20114488L), ate = structure(c(2010.75, 2009.75, 2008.75, 2008, 2007, 2006), class = "yearmon"), HCF = c(25L, 24L, 11L, 18L, 6L, 30L)), .Names = c("ACCOUNT", "Date", "HCF"), row.names = c("1", "2", "3", "4", "5", "6"), class = "data.frame")

看起来像：

   ACCOUNT     Date HCF
1 10114488 Oct 2010  25
2 10114488 Oct 2009  24
3 10114488 Oct 2008  11
4 20114488 Jan 2008  18
5 20114488 Jan 2007   6
6 20114488 Jan 2006  30

由于yearmon 本质上只是一个numeric 值，其中1 的差异是一年的差异，因此您可以获得一年前的匹配差异，例如：

dat$HCF - dat$HCF[match(dat$Date-1,dat$Date)]
#[1]   1  13  NA  12 -24  NA

...您也可以在每个组中应用，例如：

do.call(c,by(dat,dat$ACCOUNT,function(x) x$HCF - x$HCF[match(x$Date-1,x$Date)]))
#101144881 101144882 101144883 201144881 201144882 201144883 
#        1        13        NA        12       -24        NA

或使用data.table 喜欢：

library(data.table)
dat <- as.data.table(dat)
dat[, Difference := HCF - HCF[match(Date-1,Date)], by=ACCOUNT]
dat

#    ACCOUNT     Date HCF Difference
#1: 10114488 Oct 2010  25          1
#2: 10114488 Oct 2009  24         13
#3: 10114488 Oct 2008  11         NA
#4: 20114488 Jan 2008  18         12
#5: 20114488 Jan 2007   6        -24
#6: 20114488 Jan 2006  30         NA

【讨论】：

谢谢！将match 与数据表一起使用似乎是一种非常优雅的方式。