r - 我怎样才能改进这个R函数

Question

我是 R 的新手。我创建了下面的函数来计算 332 个 csv 文件中包含的数据集的平均值。寻求有关如何改进此代码的建议。运行需要 38 秒，这让我觉得效率不高。

pollutantmean <- function(directory, pollutant, id = 1:332) {
        files_list <- list.files(directory, full.names = TRUE) #creats list of files
        dat <- data.frame() #creates empty dataframe
                for(i in id){
                        dat<- rbind(dat,read.csv(files_list[i])) #combin all the monitor data together
}
        good <- complete.cases(dat) #remove all NA values from dataset
        mean(dat[good,pollutant]) #calculate mean
} #run time ~ 37sec - NEED TO OPTIMISE THE CODE

Answer 1

无需每次使用 for 循环 创建 void data.frame 和 rbind，您可以存储所有 数据。 frames 在列表中并将它们组合成一个镜头。您还可以使用均值函数的 na.rm 选项来不考虑 NA 值。

pollutantmean <- function(directory, pollutant, id = 1:332)
{
    files_list = list.files(directory, full.names = TRUE)[id] 
    df         = do.call(rbind, lapply(files_list, read.csv))

    mean(df[[pollutant]], na.rm=TRUE)
}

可选 - 我会使用 magrittr 提高可读性:

library(magrittr)

pollutantmean <- function(directory, pollutant, id = 1:332)
{
    list.files(directory, full.names = TRUE)[id] %>%
        lapply(read.csv) %>%
        do.call(rbind,.) %>%
        extract2(pollutant) %>%
        mean(na.rm=TRUE)
}