Performance R for循环创建一个类变量需要花费很长时间

我的问题包括两部分。我有一个带有ID的矩阵和几列（表示时间）的值，从0到180。我想用子组来总结这些，然后跨列进行比较。例如，有多少ID从第5列中的0-10切换到第6列中的11+

现在，我的第一个想法是SAS风格的格式化命令。这可以让我将整数分组到不同的块中（0-10、11-20、21-30等）。但是，这似乎并不存在

我的解决方案是循环该矩阵的所有值（对于循环为双值），并检查这些值是否在特定范围内（if语句的字符串），然后将该值输入一个只跟踪类的新矩阵。例如：

# search through columns
for (j in 2:(dim(Tab2)[2])){ 
    # search through lines
    for (i in 1:dim(Tab2)[1]){ 
        if (is.na(Tab2[i,j])){
            tempGliss[i,j] <- "NA"}
        else if (Tab2[i,j]==0){
            tempGliss[i,j] <- "Zero"}
        else if (Tab2[i,j]>0 & Tab2[i,j]<=7){
            tempGliss[i,j] <- "1-7"}
        else if (Tab2[i,j]>=7 & Tab2[i,j]<=14){
            tempGliss[i,j] <- "7-14"}
        else if (Tab2[i,j]>=15 & Tab2[i,j]<=30){
            tempGliss[i,j] <- "15-30"}
        else if (Tab2[i,j]>=31 & Tab2[i,j]<=60){
            tempGliss[i,j] <- "31-60"}
        else if (Tab2[i,j]>=61 & Tab2[i,j]<=90){
            tempGliss[i,j] <- "61-90"}
        else if (Tab2[i,j]>=91 & Tab2[i,j]<=120){
            tempGliss[i,j] <- "91-120"}
        else if (Tab2[i,j]>=121 & Tab2[i,j]<=150){
            tempGliss[i,j] <- "121-150"}
        else if (Tab2[i,j]>=151 & Tab2[i,j]<=180){
            tempGliss[i,j] <- "151-180"}
        else if (Tab2[i,j]>180){
            tempGliss[i,j] <- ">180"}
    }
}

#在列中搜索
对于（j-in-2:（dim（Tab2）[2]）{
#逐行搜索
对于（i in 1:dim（Tab2）[1]）{
if（is.na（表2[i，j]））{
tempGliss[i，j]也许你可以使用
cut

Tab2 <- data.frame(a = 1:9, b = c(0, 7, 14, 30, 60, 90, 120, 150, 155)
        ,c = c(0, 1, 7, 15, 31, 61, 91, 121, 155))
repla <- c("Zero", "1-7", "7-14", "15-30", "31-60", "61-90", "91-120", "121-150", "151-180", ">180")

for(j in 2:(dim(Tab2)[2])){
 dum <- cut(Tab2[,j], c(-Inf,0,7,14,30,60,90,120,150,180, Inf))
 levels(dum) <- repla
 Tab2[,j] <- dum
}

> Tab2
  a       b       c
1 1    Zero    Zero
2 2     1-7     1-7
3 3    7-14     1-7
4 4   15-30   15-30
5 5   31-60   31-60
6 6   61-90   61-90
7 7  91-120  91-120
8 8 121-150 121-150
9 9 151-180 151-180

Tab2您可能想在
library（car）
中试用
recode
函数，它可以让您轻松地将这些输入值范围转换为分类输出。由于您要对每个变量应用一些编码，因此使用
apply（Tab2,2，recode，…）相对容易一些
重新编码所有变量。这会更快！而且它会跳过丢失的值“NA”，这正是我想要的。非常感谢