rbind的效率

我正在写一个脚本，它必须构建一个大型矩阵。我想为每个名称获取一个名称向量，从不同的数据帧获取数据，对其执行一些操作，然后返回该名称的数据向量。 例如：

allNew=matrix(ncol=ncol(X)-1);
for(name in list)
    {
    tmpdata=all[grep(names,list$Names),];
    data=(as.data.frame(apply(tmpdata[,2:(ncol(tmpdata)-1)],2,sum))==nrow(tmpdata))*1
    colnames(data)=name;
        data=t(data);
        allNew=rbind(allNew,data);
    }

名称列表的长度在10000范围内，对于每个名称，tmpdata有1-5行。我正在实验室linux服务器上运行代码，内存约为8GB，

---

不知怎的，我觉得这比它应该花的时间要长得多，需要几分钟。如何才能更有效地执行此操作？

正如评论所指出的，一次只增长一行对象比覆盖预分配对象的部分要慢得多。像这样的东西应该可以工作——尽管没有任何测试数据，很难确定

allNew=matrix(NA, ncol=ncol(X)-1, nrow = length(list));
for(i in 1:length(list))
    {
    name <- names(list)[i]
    tmpdata=all[grep(names,list$Names), ]
    data=(as.data.frame(apply(tmpdata[, 2:(ncol(tmpdata)-1)], 2, sum))==nrow(tmpdata))*1
    colnames(data)=name
    allNew[i, ] = t(data)
    }

allNew=matrix（NA，ncol=ncol（X）-1，nrow=length（list））；
适用于（i/1：长度（列表））
{
名称这里有一个类似的问题：不要在循环中增长矩阵。在开始时将其设置为最终大小，然后如果必须使用循环，只需在运行时将其分配到列中即可。此外，您的
apply
可以被速度快得多的
colSums
，如果您选择预分配的矩阵，
as.data.frame
，
colname谢谢你的快速回复！写下问题大约一个小时后，我意识到预先分配矩阵和逐行重写会更快line@user2253904搜索Patrick Burns的“R地狱”。大开眼界。@user2253904，如果你满意，请投票并接受这个答案。