R：在數據幀的多列上執行行計算的最快方法

我有一個數據框，我想添加另一列，這是涉及3個其他列的計算結果。我現在使用的方法似乎很慢。有沒有更好的方法來做同樣的事情？這是我正在使用的方法。R：在數據幀的多列上執行行計算的最快方法

library(bitops) 

GetRes<-function(A, B, C){ 
    tagU <- bitShiftR((A*C), 4) 
    tagV <- bitShiftR(B, 2) 

    x<-tagU %% 2 
    y<-tagV %% 4 

    res<-(2*x + y) %% 4 
    return(res) 
} 

df <- data.frame(id=letters[1:3],val0=1:3,val1=4:6,val2=7:9) 
apply(df, 1, function(x) GetRes(x[2], x[3], x[4]))

我的數據幀非常大，並且需要很長時間才能完成此計算。有人建議我做得更好嗎？

謝謝。

來源

2013-04-24 Rachit Agrawal

一切比你就可以選擇任何其他替代快得多。你可以叫這個...

with(df, GetRes(val0, val1, val2))

或本

GetRes(df$val0, df$val1, df$val2)

或本

GetRes(df[,2], df[,3], df[,4])

來源

2013-04-24 06:40:38 John

+1，我不知道bitShiftL是矢量化函數 – 2013-04-24 06:54:24

嘗試mapply

mapply(GetRes, df[,2], df[,3], df[,4])

如果你讓我們知道這包bitShiftR是，我們可以測試它在更大的數據，看看是否有任何性能提升。

UPDATE
快速基準測試顯示，mapply是快兩倍，你正在做的是已經矢量化的apply

microbenchmark(apply(df[,2:4], 1, function(x) GetRes(x[1], x[2], x[3])), mapply(GetRes, df[,2], df[,3], df[,4])) 
Unit: microseconds 
                 expr  min  lq median  uq  max neval 
apply(df[, 2:4], 1, function(x) GetRes(x[1], x[2], x[3])) 196.985 201.6200 206.7515 216.187 1006.775 100 
       mapply(GetRes, df[, 2], df[, 3], df[, 4]) 99.982 105.6105 108.7560 112.232 149.311 100

來源

2013-04-24 05:50:25

增加。它來自'bitops' – 2013-04-24 05:53:15

如果'mapply'工作得更快，也可能使用它的並行版本：'library（parallel）; mcapply（GetRes，df [，2]，df [，3]，df [，4]，mc.cores = xxx）'，其中'xxx'是計算機中的核心數量。 – 2013-04-24 06:45:14

R：在數據幀的多列上執行行計算的最快方法

回答

相關問題