database - 为R中数据框中的每一行数据创建哈希值

Question

我正在探索如何更有效地比较 R 中的两个数据帧，然后我想出了哈希。

我的计划是使用 digest 包中的 digest 为具有相同列的两个数据框中的每一行数据创建哈希，我想哈希应该是相同的任意 2 行相同的数据。

我尝试使用以下代码为每一行数据提供唯一的哈希值:

for (loop.ssi in (1:nrow(ssi.10q3.v1)))
    {ssi.10q3.v1[loop.ssi,"hash"] <- digest(as.character(ssi.10q3.v1[loop.ssi,]))
     print(paste(loop.ssi,nrow(ssi.10q3.v1),sep="/"))
     flush.console()
    }

但这很慢。

我比较数据框的方法是否正确？如果是，有什么建议可以加快上面的代码吗？谢谢。

更新

我已将代码更新如下:

ssi.10q3.v1[,"uid"] <- 1:nrow(ssi.10q3.v1)   

ssi.10q3.v1.hash <- ddply(ssi.10q3.v1,
                          c("uid"),
                          function(df)
                             {df[,"uid"]<- NULL
                              hash <- digest(as.character(df))
                              data.frame(hash=hash)
                             },
                          .progress="text")     

为了“唯一”的目的，我自己生成了一个 uid 列。

Answer 1

如果我得到你想要的东西，digest 将直接与 apply 一起工作:

library(digest)
ssi.10q3.v1.hash <- data.frame(uid = 1:nrow(ssi.10q3.v1), hash = apply(ssi.10q3.v1, 1, digest))