Performance 如何更快地计算/插入日期差列？

你能让这个R码更快吗？看不到如何将其矢量化。 我有一个如下的数据框（下面的示例行）：

我想计算客户访问日期之间的差异。 因此，我确实执行了

diff（tt$visit\u date）

，但必须在客户id发生变化且差异无意义的地方强制执行不连续性（

NA

），例如下面第74行。 底部的代码执行此操作，但在1M行数据集上花费的时间大于15分钟。 我还尝试了分段计算和按客户id查找子结果（使用

which（）

），这也很慢。 有什么建议吗？谢谢我确实搜索过，R-intro，R手册页，等等

   customer_id visit_date visit_spend ivi
72          40 2011-03-15       18.38   5
73          40 2011-03-20       23.45   5
74          79 2010-04-07      150.87  NA
75          79 2010-04-17      101.90  10
76          79 2010-05-02      111.90  15

代码：

---

all_tt_cids要将
NA
设置到适当的位置，您可以再次使用
diff（）
和单行技巧：

> tt$ivi[c(1,diff(tt$customer_id)) != 0] <- NA

我们希望提取这样的索引，它们以新的数字开始，即（0,5,8,11,12）。我们可以使用
diff（）

y <- c(1,diff(x))
# y = 1  0  0  0  1  0  0  2  0  0  1 -2  0  0

y太棒了！你的意思是
tt$ivi[c（1，diff（tt$customer\u id））！=0]当然我明白了，我只是不明白为什么这应该比顺序存取快1000倍。在R中，只要你能摆脱循环，就去做。R是非常向量化的，你应该用向量在R中编码，而不是用单独的数字进行迭代。@smci，关于为什么R循环比向量化慢，在SO中有几个讨论。例如，看看@smci，代码中的瓶颈是使用

> tt$ivi[c(1,diff(tt$customer_id)) != 0] <- NA

x <- c(1,1,1,1,2,2,2,4,4,4,5,3,3,3)

y <- c(1,diff(x))
# y = 1  0  0  0  1  0  0  2  0  0  1 -2  0  0

x[y!=0] <- NA