使用嵌套的应用函数而不是嵌套的for循环

我的目标是在

df

中遍历每一列，然后针对每一列遍历每一行并执行一个函数。本例中的特定函数将最后一列中的

NA

值替换为相应的值，但所需函数的详细信息与此处的问题无关。我使用两个嵌套for循环得到了所需的结果，如下所示：

for (j in 1:ncol(df.i)) {
  for (i in 1:nrow(df.i)) {
    df.i[i,j] <- ifelse(is.na(df.i[i,j]), df.i[i,39], df.i[i,j])
  }
}

for（1中的j:ncol（df.i））{
用于（1:nrow中的i（df.i））{
这里有四种方法可以实现内部指令的功能

首先是一个数据集示例

set.seed(5345)    # Make the results reproducible
df.i <- matrix(1:400, ncol = 40)
is.na(df.i) <- sample(400, 50)

然后，矢量化，完全没有循环

df.i2 <- ifelse(is.na(df.i), df.i[, 39], df.i)

以及你的解决方案，如问题中所述

for (j in 1:ncol(df.i)) {
  for (i in 1:nrow(df.i)) {
    df.i[i,j] <- ifelse(is.na(df.i[i,j]), df.i[i,39], df.i[i,j])
  }
}

基准。

在@Gregor发表评论后，我决定对这4个解决方案进行基准测试。正如预期的那样，每个优化都会产生显著的影响，他的完全矢量化解决方案是最快的

f <- function(df.i){
  for (j in 1:ncol(df.i)) {
    for (i in 1:nrow(df.i)) {
      df.i[i,j] <- ifelse(is.na(df.i[i,j]), df.i[i,39], df.i[i,j])
    }
  }
  df.i
}

f1 <- function(df.i1){
  for (j in 1:ncol(df.i1)) {
    df.i1[,j] <- ifelse(is.na(df.i1[, j]), df.i1[, 39], df.i1[, j])
  }
  df.i1
}

f2 <- function(df.i2){
  df.i2 <- ifelse(is.na(df.i2), df.i2[, 39], df.i2)
  df.i2
}

f3 <- function(df.i3){
  df.i3[is.na(df.i3)] <- df.i3[row(df.i3)[is.na(df.i3)], 39]
  df.i3
}

microbenchmark::microbenchmark(
  two_loops = f(df.i),
  one_loop = f1(df.i1),
  ifelse = f2(df.i2),
  vectorized = f3(df.i3)
)
#Unit: microseconds
#      expr      min        lq       mean    median       uq      max neval
# two_loops 1125.017 1143.4995 1226.93089 1152.5665 1190.599 5209.431   100
#  one_loop  492.945  500.7045  518.73060  504.9435  516.638  678.951   100
#    ifelse   42.269   45.7770   50.55519   48.4140   50.470  198.533   100
#vectorized   12.626   14.5520   16.21975   15.6380   17.663   27.525   100

f这里有四种方法可以实现内部指令的功能

首先是一个数据集示例

set.seed(5345)    # Make the results reproducible
df.i <- matrix(1:400, ncol = 40)
is.na(df.i) <- sample(400, 50)

然后，矢量化，完全没有循环

df.i2 <- ifelse(is.na(df.i), df.i[, 39], df.i)

以及你的解决方案，如问题中所述

for (j in 1:ncol(df.i)) {
  for (i in 1:nrow(df.i)) {
    df.i[i,j] <- ifelse(is.na(df.i[i,j]), df.i[i,39], df.i[i,j])
  }
}

基准。

在@Gregor发表评论后，我决定对这4个解决方案进行基准测试。正如预期的那样，每个优化都会产生显著的影响，他的完全矢量化解决方案是最快的

f <- function(df.i){
  for (j in 1:ncol(df.i)) {
    for (i in 1:nrow(df.i)) {
      df.i[i,j] <- ifelse(is.na(df.i[i,j]), df.i[i,39], df.i[i,j])
    }
  }
  df.i
}

f1 <- function(df.i1){
  for (j in 1:ncol(df.i1)) {
    df.i1[,j] <- ifelse(is.na(df.i1[, j]), df.i1[, 39], df.i1[, j])
  }
  df.i1
}

f2 <- function(df.i2){
  df.i2 <- ifelse(is.na(df.i2), df.i2[, 39], df.i2)
  df.i2
}

f3 <- function(df.i3){
  df.i3[is.na(df.i3)] <- df.i3[row(df.i3)[is.na(df.i3)], 39]
  df.i3
}

microbenchmark::microbenchmark(
  two_loops = f(df.i),
  one_loop = f1(df.i1),
  ifelse = f2(df.i2),
  vectorized = f3(df.i3)
)
#Unit: microseconds
#      expr      min        lq       mean    median       uq      max neval
# two_loops 1125.017 1143.4995 1226.93089 1152.5665 1190.599 5209.431   100
#  one_loop  492.945  500.7045  518.73060  504.9435  516.638  678.951   100
#    ifelse   42.269   45.7770   50.55519   48.4140   50.470  198.533   100
#vectorized   12.626   14.5520   16.21975   15.6380   17.663   27.525   100

f
ifelse
是一个矢量化函数，因此您的内部循环可以替换为：
df.i[，j]在对data.frames使用
apply（）
时要小心。
apply（）
将data.frame强制转换为矩阵，其中所有列都是相同的数据类型。在您的特定情况下，这似乎不是一个问题，但通常使用
lappy（）
更安全，如果else
是一个向量化函数，那么您的内部循环可以替换为：
df.i[，j]使用
apply（）时要小心
使用data.frames.
apply（）
将data.frames强制到所有列都是相同数据类型的矩阵中。在您的特定情况下，这似乎不是问题，但通常使用
lappy（）
。完全矢量化，无
ifelse
：
df.i3[is.na（df.i3）]=df.i3[行（df.i3）[is.na（df.i3）]，39]
（对于循环，无
ifelse
，将内行替换为
df.i1[is.na（df.i1[，j]）@Gregor谢谢，我使用了第一条注释，请参见编辑。完全矢量化，无
ifelse
：
df.i3[is.na（df.i3）]=df.i3[row（df.i3）[is.na（df.i3）]，39]
（对于循环，没有
ifelse
，将内行替换为
df.i1[is.na（df.i1[，j]），j]@Gregor谢谢，我使用了第一条注释，请参见编辑。