避免循环中的运行时间

Question

Test 是我想要提取值的数据库，即 emp id 向量，我还有一个名为 User 的文件，我想从中提取值。

测试数据库

命名员工 ID
一个
乙
C
D
一个

用户文件

命名员工 ID
1
乙2
C 3
D 4
一个 1

我的循环中有两个条件。我找到匹配的值然后只有我选择它，如果有重复我只选择一个。我使用了这个循环。需要3个小时。我的用户文件中有数据框和 300000+ 行，我希望从中获取值。

for (i in 1:nrow(Test))
{`enter code here`
if(Test[i,"Name"] %in% User_Name)
{
item_id_found<-Test[i,"Name"]Test[i,"Emp_ID"]<-as.numeric(User[which(User$Name==item_id_found),"Emp_ID"])[1]}}

我需要知道一个更短的方法，比如应用函数。我想要数据框中的结果，而不是矩阵或列表。

Answer 1

如果我正确理解您的问题，您可以简单地合并这两个数据集。但是，在合并之前，我们 1) 从 test 中删除 Emp_ID 变量，以及 2) 删除 user。此方法假定Emp_ID 对于具有相同Name 的所有行都是相同的。

x <- merge(test[, 1], user[!duplicated(user$Name), ], by = "Name")
x
  Name Emp_Id
1    A      1
2    B      2
3    C      3
4    D      4

更新

根据 cmets 中的信息，我们需要考虑 a) test$Name 中的值在 user$Name 中不存在，以及 b) 从 user 中删除我们不想要的变量。这仍然可以通过merge 完成，我们只需要添加一些新选项即可。

test <- data.frame(Name = c(LETTERS[1:6], "A", "E"), Emp_ID = NA, stringsAsFactors = FALSE)
user <- data.frame(Name = c(LETTERS[1:4], "A"), Emp_ID = c(1:4, 1))
x <- merge(subset(test, select = -c(Emp_ID)), user[!duplicated(user$Name), c("Name", "Emp_ID")], by = "Name", all.x = TRUE)
x
#   Name Emp_ID
# 1    A      1
# 2    A      1
# 3    B      2
# 4    C      3
# 5    D      4
# 6    E     NA
# 7    E     NA
# 8    F     NA

我们使用subset 删除test 中的Emp_ID 变量，因为我们将要合并它。我们使用!duplicated 对user 进行去重，然后明确声明只保留Name 和Emp_ID。最后，我们将all.x = TRUE 传递给merge 函数，以确保test 中没有在user 中找到的任何值都不会被删除。

为了解决最后一个问题，即如果test 和user 不共享Name 的相同变量，则合并，我们只需稍微调整merge 函数。

names(user) <- c("Emp_Name", "Emp_ID")
x <- merge(subset(test, select = -c(Emp_ID)), user[!duplicated(user$Emp_Name), c("Emp_Name", "Emp_ID")], by.x = "Name", by.y = "Emp_Name", all.x = TRUE)
x
#   Name Emp_ID
# 1    A      1
# 2    A      1
# 3    B      2
# 4    C      3
# 5    D      4
# 6    E     NA
# 7    E     NA
# 8    F     NA