r - R 中嵌套 For/If 循环的算法效率

Question

这是我关于 SO 的第一篇文章，所以如果有人在其他地方问过这个问题，我深表歉意，但我似乎无法弄清楚如何表达我的问题，所以很难看。

我遇到的问题是我正在使用一个包含变量的数据框，该变量是一个称为 PrimaryType 的因子。这个变量大约有 15 个级别，我想从中创建新的二进制变量，以便我可以在各个级别上执行统计分析。这是我正在使用的代码:

df <- read.csv('Data/ChiCrime11_13.txt', header=T, sep='\t')

for (i in 1:nrow(df)){
  for (crimes in levels(df$PrimaryType)){
    if (df$PrimaryType == crimes) {
      df[crimes] <- 1
    }
    else{
      df[crimes] <- 0
    }
  }
}

我遇到的问题是我的数据框超过 900,000 个观察值，很明显这个过程将花费大量时间来运行(我相信 900,000^15 次迭代)。这让我想到了我的问题:有没有办法让它更有效率？

如有任何想法/建议，我们将不胜感激。谢谢!

Answer 1

这样的事情可能会更快

for (crimes in levels(df$PrimaryType)){
    df[,crimes] <- ifelse (df$PrimaryType == crimes, 1, 0)
}

如果您只用零创建所有变量然后只分配这些变量，它会更快。

df[, levels(df$PrimaryType)] <- 0
for (crimes in levels(df$PrimaryType)){
    df[df$PrimaryType == crimes,crimes] <- 1
}

下次遇到类似问题时，您应该寻找有关 R 中优化和矢量运算的问题..