Re: [問題] 快速產生column, 和前幾個row相依

[celestialgod (攸藍)]

可以試試看tapply做 會比迴圈再快一點

我自己模擬了一筆13000左右的資料只比迴圈快1.86倍

我有試過把比過的跳掉，可是發現變更慢

還在想有沒有什麼方法更快

code：

data$Session = unlist(tapply(data$Time, data$ID, function(v){
  output = rep(0, length(v))
  i = 1
  session_num = 1
  repeat
  {
    loc = as.numeric(v - v[i], unit='hours') < 1 & output == 0
    output[loc] = session_num
    session_num = session_num + 1
    i = i + sum(loc)
    if(i > length(v))
      break
  }
  output
}))


模擬資料：

set.seed(100)
n = 2100
data = data.frame(ID = rep(1:n, ceiling(runif(n) * 10) + 1))
nrow(data)
# 13812
data$Time = Reduce(c, tapply(rep(1, nrow(data)), data$ID, function(v){
  start_time = strptime("2014-08-01 00:00:00", "%Y-%m-%d %H:%M:%S")
  as.POSIXlt(sort(start_time + round(86400 * runif(length(v)))))
}))

迴圈：5.301304 secs
tapply: 2.846163 secs

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 218.164.193.78
※ 文章網址: http://www.ptt.cc/bbs/R_Language/M.1409354422.A.A2C.html
推 forloricever: 感謝! 來試試
不客氣，只是你的迴圈版本跑出來的結果是錯的，你可能要檢查一下你有沒有貼錯。
→ forloricever: 可能有貼錯, 砍了改了一些 code
恩
※ 編輯: celestialgod (218.164.193.78), 08/30/2014 07:42:53
→ forloricever: 已修正
推 forloricever: 可再請問tapply如何產生在一次loop 生二個 column?
→ forloricever: ex有個 col:Date 把同一個ID, session 都設為第一個
推 bxxl: 你時間轉成POSIXct,不要用POSIXlt, 大概還可以降一半
推 bxxl: 再把時間差改成difftime(v, v[i], unit='hours') < 1