否则，如果循环在R中运行非常缓慢
我正在进行一项研究项目，研究使人们更有可能投票的因素，重点是人们离投票站的距离。我需要数百万个人的完整选民登记和选民历史记录。有几种方式可以让某人投票（亲自投票、缺席投票、提前投票或临时投票）或不投票（未登记、登记但未投票或无投票资格）。我的数据中有一列（29）是关于某人在特定选举中的投票情况。NULL表示未注册，V表示亲自注册等 对于回归分析，我想为每种投票人类型创建一个不同的列（1表示是，0表示否，列号68-74），并为是否有人投票创建另一个1/0列（数字75）。我在下面编写的代码应该可以做到这一点，但它在我的计算机上运行得非常慢，一个小时后甚至无法到达第1000行。除了速度，它工作得很好。我已经被批准使用我大学的超级计算机*，但我想找出一个更快的算法。我的笔记本电脑和超级计算机上都有R和STATA，我很乐意使用它们否则，如果循环在R中运行非常缓慢,r,R,我正在进行一项研究项目，研究使人们更有可能投票的因素，重点是人们离投票站的距离。我需要数百万个人的完整选民登记和选民历史记录。有几种方式可以让某人投票（亲自投票、缺席投票、提前投票或临时投票）或不投票（未登记、登记但未投票或无投票资格）。我的数据中有一列（29）是关于某人在特定选举中的投票情况。NULL表示未注册，V表示亲自注册等 对于回归分析，我想为每种投票人类型创建一个不同的列（1表示是，0表示否，列号68-74），并为是否有人投票创建另一个1/0列（数字75）。我在下面编写的代码应该可以做
dcv.new <- read.csv("VoterHist.csv", header=TRUE)
# I previously set columns 68-75 to default to 0
for(i in 1:nrow(dcv.new))
{
if(is.na(dcv.new[i,29]))
{
dcv.new[i,69] <- 1
}
else if(dcv.new[i,29]=="V")
{
dcv.new[i,68] <- 1
dcv.new[i,75] <- 1
}
else if(dcv.new[i,29]=="A")
{
dcv.new[i,70] <- 1
dcv.new[i,75] <- 1
}
else if(dcv.new[i,29]=="N")
{
dcv.new[i,71] <- 1
}
else if(dcv.new[i,29]=="E")
{
dcv.new[i,72] <- 1
}
else if(dcv.new[i,29]=="Y")
{
dcv.new[i,73] <- 1
}
else if(dcv.new[i,29]=="P")
{
dcv.new[i,74] <- 1
dcv.new[i,75] <- 1
}
else if(dcv.new[i,29]=="X")
{
dcv.new[i,74] <- 1
dcv.new[i,75] <- 1
}
}
dcv.new您应该将代码矢量化。忘了这么多的“如果”
dcv.new[is.na(dcv.new[,29]),69] <- 1
dcv.new[dcv.new[,29] == "V", c(68, 75)] <- 1
dcv.new[is.na（dcv.new[，29]），69]R基本上是矢量化的，所以寻找矢量化操作来代替循环。在这种情况下，可以对每个操作进行矢量化，使其作用于整个矩阵，而不是单个行
以下是您的if
else
语句的前三条：
dcv.new[is.na(dcv.new[,29]), 69] <- 1
dcv.new[dcv.new[,29]=="V", c(68,75)] <- 1
dcv.new[dcv.new[,29]=="A", c(70,75)] <- 1
....
当我们使用公式符号拟合模型时，我们可以：
mod <- lm(response ~ voterType, data = dcv.new)
请注意，大多数采用公式的建模函数（如上图所示）的工作方式与我在下文中所述相同。您不限于lm（）
型号。
这里有一个小例子
set.seed(42)
dcv.new <- data.frame(response = rnorm(20),
voterType = sample(c("V","A","N","E","Y","P","X",NA), 20,
replace = TRUE))
head(dcv.new)
> head(dcv.new)
response voterType
1 1.3709584 E
2 -0.5646982 E
3 0.3631284 V
4 0.6328626 <NA>
5 0.4042683 E
6 -0.1061245 <NA>
生成基础矩阵代数和QR分解所需的协变矩阵。上面的代码给出了一个小示例：
> model.matrix(~ voterType, data = dcv.new)
(Intercept) voterTypeE voterTypeN voterTypeP voterTypeV voterTypeX
1 1 1 0 0 0 0
2 1 1 0 0 0 0
3 1 0 0 0 1 0
5 1 1 0 0 0 0
8 1 0 0 1 0 0
10 1 0 0 0 0 0
11 1 0 1 0 0 0
12 1 0 1 0 0 0
13 1 1 0 0 0 0
14 1 0 0 0 0 1
15 1 0 0 0 1 0
16 1 0 0 1 0 0
17 1 0 0 1 0 0
18 1 0 0 0 0 0
19 1 0 1 0 0 0
20 1 0 0 0 0 0
voterTypeY
1 0
2 0
3 0
5 0
8 0
10 1
11 0
12 0
13 0
14 0
15 0
16 0
17 0
18 0
19 0
20 1
attr(,"assign")
[1] 0 1 1 1 1 1 1
attr(,"contrasts")
attr(,"contrasts")$voterType
[1] "contr.treatment"
这就是您希望对代码执行的操作。因此，如果您真的需要它，您可以使用model.matrix（）
来生成矩阵，因为您不需要这些属性
在这种情况下，参考水平为“A”
：
它由model.matrix
输出中的（Intercept）
列表示。请注意，这些处理与参考水平的偏差代码形成对比。您可以通过添加-1
（0r+0
）来抑制公式中的截距，从而获得伪值：
你的问题不在于算法，而在于你在，因为你不是在写R代码，你是在写C代码或其他什么。我已经详细介绍了如何进行向量化，以及你应该如何在R中进行回归。一般来说，对于使用公式接口的回归模型或其他东西，您不需要自己形成协变量矩阵，您可以让R的公式解析代码为您完成这项工作。Stata被简要地提到，但是线程并没有按照Stata解决方案进行开发，所以Stata标签对于将来的搜索来说只是无关紧要的。如果发帖人想看到Stata解决方案，最好是重新发布，但要详细解释Stata数据集结构、变量名称等。本质上，还有更简单的方法来管理Stata中的数据。（STATA是一个拼写错误。）你可能想引用V
@GavinSimpson的话，谢谢你发现了这个错误。我只是简单地键入model.matrix（~x-1，dat）
作为这个问题的答案+这就是他真正想要的（如何将一个向量转换成一个由0和1组成的稀疏矩阵）。我真的很欣赏他的回答。当时我是个新手，在过去的四年里，我学到了很多东西，这主要归功于互联网上友好的人们。
set.seed(42)
dcv.new <- data.frame(response = rnorm(20),
voterType = sample(c("V","A","N","E","Y","P","X",NA), 20,
replace = TRUE))
head(dcv.new)
> head(dcv.new)
response voterType
1 1.3709584 E
2 -0.5646982 E
3 0.3631284 V
4 0.6328626 <NA>
5 0.4042683 E
6 -0.1061245 <NA>
mod <- lm(response ~ voterType, data = dcv.new)
summary(mod)
> mod <- lm(response ~ voterType, data = dcv.new)
> summary(mod)
Call:
lm(formula = response ~ voterType, data = dcv.new)
Residuals:
Min 1Q Median 3Q Max
-2.8241 -0.4075 0.0000 0.5856 1.9030
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -2.656 1.425 -1.864 0.0952 .
voterTypeE 2.612 1.593 1.639 0.1356
voterTypeN 3.040 1.646 1.847 0.0978 .
voterTypeP 2.742 1.646 1.666 0.1300
voterTypeV 2.771 1.745 1.588 0.1468
voterTypeX 2.378 2.015 1.180 0.2684
voterTypeY 3.285 1.745 1.882 0.0925 .
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 1.425 on 9 degrees of freedom
(4 observations deleted due to missingness)
Multiple R-squared: 0.3154, Adjusted R-squared: -0.1411
F-statistic: 0.6909 on 6 and 9 DF, p-value: 0.6635
model.matrix( ~ voterType, data = dcv.new)
> model.matrix(~ voterType, data = dcv.new)
(Intercept) voterTypeE voterTypeN voterTypeP voterTypeV voterTypeX
1 1 1 0 0 0 0
2 1 1 0 0 0 0
3 1 0 0 0 1 0
5 1 1 0 0 0 0
8 1 0 0 1 0 0
10 1 0 0 0 0 0
11 1 0 1 0 0 0
12 1 0 1 0 0 0
13 1 1 0 0 0 0
14 1 0 0 0 0 1
15 1 0 0 0 1 0
16 1 0 0 1 0 0
17 1 0 0 1 0 0
18 1 0 0 0 0 0
19 1 0 1 0 0 0
20 1 0 0 0 0 0
voterTypeY
1 0
2 0
3 0
5 0
8 0
10 1
11 0
12 0
13 0
14 0
15 0
16 0
17 0
18 0
19 0
20 1
attr(,"assign")
[1] 0 1 1 1 1 1 1
attr(,"contrasts")
attr(,"contrasts")$voterType
[1] "contr.treatment"
> with(dcv.new, levels(voterType)[1])
[1] "A"
> model.matrix(~ voterType - 1, data = dcv.new)
voterTypeA voterTypeE voterTypeN voterTypeP voterTypeV voterTypeX voterTypeY
1 0 1 0 0 0 0 0
2 0 1 0 0 0 0 0
3 0 0 0 0 1 0 0
5 0 1 0 0 0 0 0
8 0 0 0 1 0 0 0
10 0 0 0 0 0 0 1
11 0 0 1 0 0 0 0
12 0 0 1 0 0 0 0
13 0 1 0 0 0 0 0
14 0 0 0 0 0 1 0
15 0 0 0 0 1 0 0
16 0 0 0 1 0 0 0
17 0 0 0 1 0 0 0
18 1 0 0 0 0 0 0
19 0 0 1 0 0 0 0
20 0 0 0 0 0 0 1
attr(,"assign")
[1] 1 1 1 1 1 1 1
attr(,"contrasts")
attr(,"contrasts")$voterType
[1] "contr.treatment"