r - R 中 apply v. for 循环的意外行为

Question

我想使用 apply 而不是 for 循环来加速一个函数，该函数通过粘贴折叠数据框中的每一行来创建字符串向量，这包含带有许多小数的字符串和数字。
加速是显着的，但 apply 强制数字用空格填充左侧，以便所有值具有相同数量的字符并将数字四舍五入为整数，而 for 循环则不然。< br/>我能够通过对数字执行 as.character 来解决这个问题，但是数据帧内存使用量要大得多，而且我仍然不知道为什么 apply 会这样做.有没有人有解释或更好的解决方案？

使用应用:

df <- data.frame(V1=rep(letters[1:20], 1000/20), V2=(1:1000)+0.00000001,
 + V3=rep(letters[1:20], 1000/20), stringsAsFactors=F)

system.time(varapl <- apply(df, 1, function(x){
                paste(x[1:3], collapse="_")
                }))
varapl[c(1,10,100,1000)]

输出:

  user  system elapsed 
  0.01    0.00    0.02 

[1] "a_   1_a" "j_  10_j" "t_ 100_t" "t_1000_t"
# Spaces to the right and rounded!

使用:

varfor <- NULL
system.time(for(i in 1:1000){
  varfor <- c(varfor, paste(df[i,1:3], collapse="_"))
})
varfor[c(1,10,100,1000)]

输出:

   user  system elapsed 
   0.19    0.00    0.19 

[1] "a_1.00000001_a"    "j_10.00000001_j"   "t_100.00000001_t"  "t_1000.00000001_t"
# This is what I'm looking for!

解决方法是:

df2 <- data.frame(V1=rep(letters[1:20], 1000/20), 
+ V2=as.character((1:1000)+0.00000001),
+ V3=rep(letters[1:20], 1000/20), stringsAsFactors=F)

varapl[c(1,10,100,1000)]

[1] "a_1.00000001_a"   "j_10.00000001_j"  "t_100.00000001_t"  "t_1000.00000001_t"

但是:

object.size(df)
26816 bytes
object.size(df2)
97208 bytes

我的原始数据帧有数百万个条目，因此速度和内存限制都很重要。

提前感谢您的意见!基欧。

Answer 1

我不确定是什么导致了 apply 的这种行为，但我会提出一个替代方案，因为您对速度很感兴趣。查看 Hadleys 包 tidyr 及其函数 unite。

library(tidyr)

df <- data.frame(V1=rep(letters[1:20], 1000/20), V2=(1:1000)+0.00000001,
                 V3=rep(letters[1:20], 1000/20), stringsAsFactors=F)

unite(df, var, c(V1, V2, V3))

#              var
# 1 a_1.00000001_a
# 2 b_2.00000001_b
# 3 c_3.00000001_c
# 4 d_4.00000001_d
# 5 e_5.00000001_e
# 6 f_6.00000001_f

system.time(varapl <- unite(df, var, c(V1, V2, V3)))

# user  system elapsed 
#   0       0       0