R为不使用循环的记录分配ID_R_Loops_Data.table_Vectorization

R为不使用循环的记录分配ID

r loops

R为不使用循环的记录分配ID,r,loops,data.table,vectorization,R,Loops,Data.table,Vectorization,我需要遍历数据表a，并根据条件为该记录或记录组分配一个增量ID，如： library(data.table) A <- data.table(x = c(1,2,3,4,5,6,7,8,9,10,11,12,13,14), y = c(2,2,2,2,2,2,2,2,3,3,3,3,3,3), z = 0) for(i in 1:nrow(A)) { if((A[i]$x %% A[i]$y) == 0) {A[i]$z <- i} print(i) } z

我需要遍历数据表a，并根据条件为该记录或记录组分配一个增量ID，如：

library(data.table)
A <- data.table(x = c(1,2,3,4,5,6,7,8,9,10,11,12,13,14), 
  y = c(2,2,2,2,2,2,2,2,3,3,3,3,3,3), z = 0)

for(i in 1:nrow(A))
 {
   if((A[i]$x %% A[i]$y) == 0) {A[i]$z <- i}
   print(i)
 }

z列成为一种滚动ID。

我需要在不使用循环的情况下执行相同的操作

您可以获取%%operator返回0的索引，并在该位置分配索引值

inds <- A$x %% A$y == 0
A$z[inds] <- which(inds)

A
#     x y  z
# 1:  1 2  0
# 2:  2 2  2
# 3:  3 2  0
# 4:  4 2  4
# 5:  5 2  0
# 6:  6 2  6
# 7:  7 2  0
# 8:  8 2  8
# 9:  9 3  9
#10: 10 3  0
#11: 11 3  0
#12: 12 3 12
#13: 13 3  0
#14: 14 3  0

您可以获取%%operator返回0的索引，并在该位置分配索引值

inds <- A$x %% A$y == 0
A$z[inds] <- which(inds)

A
#     x y  z
# 1:  1 2  0
# 2:  2 2  2
# 3:  3 2  0
# 4:  4 2  4
# 5:  5 2  0
# 6:  6 2  6
# 7:  7 2  0
# 8:  8 2  8
# 9:  9 3  9
#10: 10 3  0
#11: 11 3  0
#12: 12 3 12
#13: 13 3  0
#14: 14 3  0

或者您可以尝试此sinde x已包含索引值

在满足条件x%%y==0的行上，通过引用z值和x值进行更新。在所有其他行上，z保持其原始值，即0

A[ x %% y == 0, z:=x]

#     x y  z
# 1:  1 2  0
# 2:  2 2  2
# 3:  3 2  0
# 4:  4 2  4
# 5:  5 2  0
# 6:  6 2  6
# 7:  7 2  0
# 8:  8 2  8
# 9:  9 3  9
# 10:10 3  0
# 11:11 3  0
# 12:12 3 12
# 13:13 3  0
# 14:14 3  0

当然，您也可以使用.I来获取行的索引

A[ x %% y == 0, z := .I]

也会起作用。。。根据您的列类，您必须将一些整数列设置为class double，以避免出现警告消息

基准多达50000行，Ronaks的回答速度更快，除此之外，.I解决方案是“赢”

用于基准测试的代码

vec <- c( seq( 1,10000, by = 1000), seq( 1,100000, by = 10000), 
          seq( 1,1000000, by = 100000), seq( 1,10000000, by = 1000000) )

l <- lapply( vec, function(x){
  A <- data.table(x = as.double( 1:x ), 
                  y = as.double( sample(2:3, x, replace = TRUE) ), 
                  z = as.double(0) )
  m <- microbenchmark::microbenchmark(
    Ronak = { 
      DT <- copy(A)
      inds <- DT$x %% DT$y == 0
      DT$z[inds] <- which(inds)
    },
    Wimpel = {
      DT <- copy(A)
      DT[ x %% y == 0, z:=as.double(.I)]
    },
    times = 10 )
  setDT(m)[, .(n = x, median = median(time)), by = .(expr)][]
})

library(scales)
library(ggplot2)
ggplot( data = rbindlist(l), aes( x = n, y = median/1000000, group = expr, colour = expr )) + 
  geom_smooth( se = FALSE ) +
  labs( x = "rows",
        y = "median [ms]" )