r - 提高 R 中 split() 函数的性能？

Question

我有一个非常简单形式的数据框:

    X Y
    ---
    A 1
    A 2
    B 3
    C 1
    C 3

我的最终结果应该是这样的列表:

$`A`
[1] 1 2

$`B`
[1] 3

$`C`
[1] 1 3

对于这个操作，我使用了 R 中的 split() 函数:

k <- split(Y, X)

这工作得很好。但是，如果我想将此代码应用于包含 2200 万行的数据框，其中包括 1000 万个 X 组和 387000 个 Y 值，它会变得非常耗时。我尝试使用 RRO 8.0 开放版本来支持 MKL。但是，仍然只使用一个内核。 CPU 有 64 GB 的 RAM，所以这应该不是问题。

关于更智能的计算方法的任何想法？

Answer 1

尝试

 library(data.table)
 DT <- as.data.table(df)
 DT1 <- DT[, list(Y=list(Y)), by=X]
 DT1$Y
 #[[1]]
 #[1] 1 2

 #[[2]]
 #[1] 3

 #[[3]]
 #[1] 1 3

或者使用dplyr

 library(dplyr)
 df1 <-  df %>% 
             group_by(X) %>%
              do(Y=c(.$Y))

 df1$Y
 #[[1]]
 #[1] 1 2

 #[[2]]
 #[1] 3

 #[[3]]
 #[1] 1 3

数据

 df <- structure(list(X = c("A", "A", "B", "C", "C"), Y = c(1L, 2L, 
 3L, 1L, 3L)), .Names = c("X", "Y"), class = "data.frame", row.names = c(NA, 
 -5L))