优化功能：循环中的rbind-对于>；5000行

我有一个dataframe（数据），它包含一个日期+时间的变量和一些其他变量。我想要的是一个新的数据框，其中“旧”df的每一行都是过去15分钟内每个实例的摘要（例如，平均值）

我用下面的代码解决了这个问题（我将变量缩短为1，实际上我大约有26个）：

#####请参见编辑###
图书馆（lubridate）
#参考df，以便稍后启动rbind
CUKS 
由于您需要滚动平均值，请考虑<代码> SpAp> <代码>：
new_df <- data.frame(
            unix_timestamp = as.POSIXct(data[,1]),
            rolling_15_mean = sapply(1:nrow(data), 
                                     function(i) mean(data$Var[as.POSIXct(data[,1]) > (as.POSIXct(data[i,1]) - 60*15)
                                                               & as.POSIXct(data[,1]) <= as.POSIXct(data[i,1])])
            )
          )

由于您需要滚动平均值，请考虑<代码> sPix<代码>：
new_df <- data.frame(
            unix_timestamp = as.POSIXct(data[,1]),
            rolling_15_mean = sapply(1:nrow(data), 
                                     function(i) mean(data$Var[as.POSIXct(data[,1]) > (as.POSIXct(data[i,1]) - 60*15)
                                                               & as.POSIXct(data[,1]) <= as.POSIXct(data[i,1])])
            )
          )

永远不要在循环中使用
rbind
：根据需要预先分配
列表（
pre-Why？在每次调用
rbind
时，它都在复制所有数据。每次。当它只有几行时，这可能相对可以忽略不计，但随着它们的增长，需要复制的数据越来越多。请给出一些示例数据和预期的输出，谢谢！我猜现在使用列表方法会更快。However，我想知道使用帮助数据框的方式是否是最好的解决方案，或者我是否可以对函数进行更多的调优？好的。我使用3000行的数据框进行了测试，结果还可以。当我使用20000行的数据集运行此代码时，它需要大约一个（！）每行第二个！有人知道如何提高性能吗？永远不要在循环中使用
rbind
：根据需要预先分配
list
（
pre-Why？在每次调用
rbind
时，它都在复制所有数据。每次。当它只有几行时，这可能相对可以忽略不计，但随着它们的增长，需要复制的数据越来越多。请给出一些示例数据和预期的输出，谢谢！我猜现在使用列表方法会更快。However，我想知道使用帮助数据框的方式是否是最好的解决方案，或者我是否可以对函数进行更多的调优？好的。我使用3000行的数据框进行了测试，结果还可以。当我使用20000行的数据集运行此代码时，它需要大约一个（！）每行每秒！是否有人有关于如何提高性能的提示？谢谢。输出是正确的，但所花费的时间与使用列表方法之前的解决方案相似（但是，我无法看到超过20000行的df的进度）。我假设这是因为我现在在data.frame函数中有26个单独的sapply函数，其中“help”数据框是针对每一列单独计算的。还是我错了，我可以用另一种更有效的方法来处理“help”df只计算一次？在一天结束时，sapply是一个循环。此解决方案进一步简化了您的流程，避免了中间列表和数据帧绑定的簿记。我添加了一个
vapply
备选方案，这可能会略有帮助。但15分钟增量过滤器的20000次回望是一个计算挑战。添加
print
将增加处理时间。谢谢。输出是正确的，但所花费的时间与使用列表方法之前的解决方案相似（但是，我无法看到我的df超过20000行的进度）。我假设这是因为我现在在data.frame函数中有26个单独的sapply函数，其中“帮助”数据框是针对每一列单独计算的。还是我错了，我可以用一种不同的、更有效的方法来处理“帮助”数据框"df只计算一次？在一天结束时，sapply是一个循环。此解决方案进一步简化了您的流程，避免了中间列表和数据帧绑定的簿记。我添加了一个
vapply
备选方案，这可能会略有帮助。但15分钟增量过滤器的20000次回望是一个计算挑战。添加
打印
将增加处理时间。