R：在数据帧的多列上执行行计算的最快方法

我有一个数据框，我想添加另一列，这是涉及3个其他列的计算结果。我现在使用的方法似乎很慢。有没有更好的方法来做同样的事情？这是我正在使用的方法。R：在数据帧的多列上执行行计算的最快方法

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]))

我的数据帧非常大，并且需要很长时间才能完成此计算。有人建议我做得更好吗？

谢谢。

来源

2013-04-24 Rachit Agrawal

一切比你就可以选择任何其他替代快得多。你可以叫这个...

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

或本

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

或本

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

来源

2013-04-24 06:40:38 John

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

尝试mapply

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

如果你让我们知道这包bitShiftR是，我们可以测试它在更大的数据，看看是否有任何性能提升。

UPDATE
快速基准测试显示，mapply是快两倍，你正在做的是已经矢量化的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

来源

2013-04-24 05:50:25

增加。它来自'bitops' – 2013-04-24 05:53:15

如果'mapply'工作得更快，也可能使用它的并行版本：'library（parallel）; mcapply（GetRes，df [，2]，df [，3]，df [，4]，mc.cores = xxx）'，其中'xxx'是计算机中的核心数量。 – 2013-04-24 06:45:14

R：在数据帧的多列上执行行计算的最快方法

回答

相关问题