R:以行对循环遍历data.frame
我想两两处理一些GPS数据行 现在,我是在一个普通的For循环中完成的,但我相信有更好更快的方法R:以行对循环遍历data.frame,r,performance,loops,parallel-processing,pairwise,R,Performance,Loops,Parallel Processing,Pairwise,我想两两处理一些GPS数据行 现在,我是在一个普通的For循环中完成的,但我相信有更好更快的方法 n = 100 testdata <- as.data.frame(cbind(runif(n,1,10), runif(n,0,360), runif(n,14,16), runif(n, 46,49))) colnames(testdata) <- c("speed", "heading", "long", "lat") head(testdata) diffmatrix <
n = 100
testdata <- as.data.frame(cbind(runif(n,1,10), runif(n,0,360), runif(n,14,16), runif(n, 46,49)))
colnames(testdata) <- c("speed", "heading", "long", "lat")
head(testdata)
diffmatrix <- as.data.frame(matrix(ncol = 3, nrow = dim(testdata)[1] - 1))
colnames(diffmatrix) <- c("distance","heading_diff","speed_diff")
for (i in 1:(dim(testdata)[1] - 1)) {
diffmatrix[i,1] <- spDists(as.matrix(testdata[i:(i+1),c('long','lat')]),
longlat = T, segments = T)*1000
diffmatrix[i,2] <- testdata[i+1,]$heading - testdata[i,]$heading
diffmatrix[i,3] <- testdata[i+1,]$speed - testdata[i,]$speed
}
head(diffmatrix)
我如何使用apply函数实现这一点
或者甚至可以并行地进行计算
多谢各位 我不确定您想对结束条件做什么,但是使用dplyr,您可以在不使用for循环的情况下完成所有这些
library(dplyr)
testdata %>% mutate(heading_diff = c(diff(heading),0),
speed_diff = c(diff(speed),0),
longdiff = c(diff(long),0),
latdiff = c(diff(lat),0))
%>% rowwise()
%>% mutate(spdist = spDists(cbind(c(long,long + longdiff),c(lat,lat +latdiff)),longlat = T, segments = T)*1000 )
%>% select(heading_diff,speed_diff,distance = spdist)
# heading_diff speed_diff distance
# <dbl> <dbl> <dbl>
# 1 15.9 0.107 326496
# 2 -345 -4.64 55184
# 3 124 -1.16 25256
# 4 85.6 5.24 221885
# 5 53.1 -2.23 17599
# 6 -184 2.33 225746
我将在下面解释每一部分:
管道操作符%>%本质上是一个链,它将一个操作的结果发送到下一个操作。因此,我们从测试数据开始,将其发送给mutate函数
使用mutate创建4个新列,这些列是从一行到下一行的差异度量。在最后一行添加0,因为在最后一个数据点之后没有测量。可以做一些像NA的事情
下一步,一旦有了要按行使用的差异,就可以对每一行应用spDists函数
最后,我们使用mutate创建另一个列,该列调用我们先前创建的原始4个列
为了只得到您关心的3列,我在末尾使用了select语句。如果需要整个数据帧,您可以省略此项。我不确定您想对结束条件做什么,但使用dplyr,您可以在不使用for循环的情况下完成所有这些
library(dplyr)
testdata %>% mutate(heading_diff = c(diff(heading),0),
speed_diff = c(diff(speed),0),
longdiff = c(diff(long),0),
latdiff = c(diff(lat),0))
%>% rowwise()
%>% mutate(spdist = spDists(cbind(c(long,long + longdiff),c(lat,lat +latdiff)),longlat = T, segments = T)*1000 )
%>% select(heading_diff,speed_diff,distance = spdist)
# heading_diff speed_diff distance
# <dbl> <dbl> <dbl>
# 1 15.9 0.107 326496
# 2 -345 -4.64 55184
# 3 124 -1.16 25256
# 4 85.6 5.24 221885
# 5 53.1 -2.23 17599
# 6 -184 2.33 225746
我将在下面解释每一部分:
管道操作符%>%本质上是一个链,它将一个操作的结果发送到下一个操作。因此,我们从测试数据开始,将其发送给mutate函数
使用mutate创建4个新列,这些列是从一行到下一行的差异度量。在最后一行添加0,因为在最后一个数据点之后没有测量。可以做一些像NA的事情
下一步,一旦有了要按行使用的差异,就可以对每一行应用spDists函数
最后,我们使用mutate创建另一个列,该列调用我们先前创建的原始4个列
为了只得到您关心的3列,我在末尾使用了select语句。如果您需要整个数据帧,可以省略此项。非常感谢!您的方法比普通for循环快10倍以上!非常感谢你!您的方法比普通for循环快10倍以上!