在R中没有for循环的行之间移动值
Posted
技术标签:
【中文标题】在R中没有for循环的行之间移动值【英文标题】:Moving values between rows without a for loop in R 【发布时间】:2011-12-17 10:03:41 【问题描述】:我编写了一些代码来组织以不同频率采样的数据,但我大量使用了 for 循环,当数据集很大时,这会显着降低代码的运行速度。我一直在检查我的代码,想方设法去除 for 循环以加快它的速度,但其中一个循环让我很困惑。
举个例子,假设数据以 3Hz 的频率进行采样,所以我每秒得到三行数据。但是,变量 A、B 和 C 的采样频率分别为 1Hz,因此我将每三行得到一个值。变量在一秒内连续采样,导致数据呈对角线性质。
更复杂的是,有时原始数据集中会丢失一行。
我的目标是:在确定了我希望保留的行之后,我想将非 NA 值从后续行向上移动到保持行中。如果不是因为丢失数据的问题,我会始终保留包含第一个变量值的行,但如果其中一行丢失,我将保留下一行。
在下面的例子中,第六个样本和第十个样本都丢失了。
A <- c(1, NA, NA, 4, NA, 7, NA, NA, NA, NA)
B <- c(NA, 2, NA, NA, 5, NA, 8, NA, 11, NA)
C <- c(NA, NA, 3, NA, NA, NA, NA, 9, NA, 12)
test_df <- data.frame(A = A, B = B, C = C)
test_df
A B C
1 1 NA NA
2 NA 2 NA
3 NA NA 3
4 4 NA NA
5 NA 5 NA
6 7 NA NA
7 NA 8 NA
8 NA NA 9
9 NA 11 NA
10 NA NA 12
keep_rows <- c(1, 4, 6, 9)
将值向上移动到保持器行后,我将删除中间行,结果如下:
test_df <- test_df[keep_rows, ]
test_df
A B C
1 1 2 3
2 4 5 NA
3 7 8 9
4 NA 11 12
最后,我只希望每一秒的数据只有一行,NA 值应该只保留在丢失一行原始数据的地方。
有没有人知道如何在不使用 for 循环的情况下向上移动数据?我会很感激任何帮助!对不起,如果这个问题太罗嗦了;我宁愿选择信息过多而不是信息不足。
【问题讨论】:
澄清:是否可以丢失两个或多个连续行?例如,如果您没有删除 6 和 10,而是删除了 4、5 和 6,那么您将如何检测到发生了这种情况? 是的,可能会丢失多个连续的行。在我的代码中的其他地方考虑到这一点后,我已经确定要保留哪些行,我最终会得到类似于我在示例中给出的“rows_to_keep”变量的东西,它是由代码生成的,而不是用户定义的。我不确定这是否会导致给出的解决方案出现问题,因为“rows_to_keep”变量没有实现。 【参考方案1】:应该这样做:
test_df = with(test_df, cbind(A[1:(length(A)-2)], B[2:(length(B)-1)], C[3:length(C)]))
test_df = data.frame(test_df[!apply(test_df, 1, function(x) all(is.na(x))), ])
colnames(test_df) = c('A', 'B', 'C')
> test_df
A B C
1 1 2 3
2 4 5 NA
3 7 8 9
4 NA 11 12
如果你想要更快的东西:
test_df = data.frame(test_df[rowSums(is.na(test_df)) != ncol(test_df), ])
【讨论】:
循环不是for
,但它仍然是一个循环。
查看编辑。它总是会是一个循环,但至少这个循环都是用 C 代码编写的。
它不会“总是”成为一个循环。我确定有一个矢量化的解决方案。今晚如果没人比我写,我会写出来。
@goodside 太好了,我很想知道是否有。上面的第二种方法在我的机器上 10^6 行只需要 50ms,但你可以将它与你在你的机器上做的比较。
谢谢你,约翰。这个解决方案对我有用!我需要让自己更熟悉“with”和“apply”函数,这样我才能自己想出这种类型的答案。【参考方案2】:
所以你的问题只是关于没有循环的向上移动。所以显然你已经解决了第一步。
> test_m <- with( test_df, cbind(A[1:(length(A)-2)], B[2:(length(B)-1)], C[3:length(C)]) )
> test_m
[,1] [,2] [,3]
[1,] 1 2 3
[2,] NA NA NA
[3,] NA NA NA
[4,] 4 5 NA
[5,] NA NA NA
[6,] 7 8 9
[7,] NA NA NA
[8,] NA 11 12
现在是一个矩阵。您可以轻松地消除现在没有数据点的行而无需循环。如果您希望将其返回到 data.frame,那么您可以使用不同的方法,但是对于大量数据,这种方法运行速度最快。我喜欢让 NA 成为一个不可能的值……也许是 -1,但你会最了解你的数据……也许是 -pi。
test_m[is.na(test_m)] <- -1
现在只需选择那些不可能数字的属性的行
test_m <- test_m[rowSums(test_m) > -3,]
而且,如果你愿意,你可以把 NA 放回去。
test_m[test_m == -1] <- NA
test_m
[,1] [,2] [,3]
[1,] 1 2 3
[2,] 4 5 NA
[3,] 7 8 9
[4,] NA 11 12
没有循环(for
或 apply
),并且跨矩阵行应用的一个函数经过特别优化并且运行速度非常快(rowSums)。
【讨论】:
谢谢你,约翰。您在这里建议的进出NA的方法将来肯定会对我有用。【参考方案3】:在@John Colby 的出色回答的基础上,我们可以摆脱应用步骤并加快速度(大约 20 倍):
# Create a bigger test set
A <- c(1, NA, NA, 4, NA, 7, NA, NA, NA, NA)
B <- c(NA, 2, NA, NA, 5, NA, 8, NA, 11, NA)
C <- c(NA, NA, 3, NA, NA, NA, NA, 9, NA, 12)
n=1e6; test_df = data.frame(A=rep(A, len=n), B=rep(B, len=n), C=rep(C, len=n))
# John Colby's method, 9.66 secs
system.time(
df1 = with(test_df, cbind(A[1:(length(A)-2)], B[2:(length(B)-1)], C[3:length(C)]))
df1 = data.frame(df1[!apply(df1, 1, function(x) all(is.na(x))), ])
colnames(df1) = c('A', 'B', 'C')
)
# My method, 0.48 secs
system.time(
df2 = with(test_df, data.frame(A=A[1:(length(A)-2)], B=B[2:(length(B)-1)], C=C[3:length(C)]))
df2 = df2[is.finite(with(df2, A|B|C)),]
row.names(df2) <- NULL
)
identical(df1, df2) # TRUE
...这里的窍门是A|B|C
只是NA
如果所有值都是NA
。事实证明,这比使用 apply
在矩阵的每一行上调用 all(is.na(x))
快得多。
EDIT @John 有一种不同的方法可以加快速度。我添加了一些代码将结果转换为具有正确名称的 data.frame 并对其进行计时。它似乎与我的解决方案几乎相同的速度。
# John's method, 0.50 secs
system.time(
test_m = with(test_df, cbind(A[1:(length(A)-2)], B[2:(length(B)-1)], C[3:length(C)]))
test_m[is.na(test_m)] <- -1
test_m <- test_m[rowSums(test_m) > -3,]
test_m[test_m == -1] <- NA
df3 <- data.frame(test_m)
colnames(df3) = c('A', 'B', 'C')
)
identical(df1, df3) # TRUE
再次编辑 ...@John Colby 的更新答案更快!
# John Colby's method, 0.39 secs
system.time(
df4 = with(test_df, cbind(A[1:(length(A)-2)], B[2:(length(B)-1)], C[3:length(C)]))
df4 = data.frame(df4[rowSums(is.na(df4)) != ncol(df4), ])
colnames(df4) = c('A', 'B', 'C')
)
identical(df1, df4) # TRUE
【讨论】:
我不知道 system.time 函数,但我会从中得到很多好处!感谢您提供的建议和方法。以上是关于在R中没有for循环的行之间移动值的主要内容,如果未能解决你的问题,请参考以下文章
在 for 循环 r markdown 中包含两个变量之间的空格(pdf 输出)