r - R 中的 For 循环是邪恶的吗？

Question

我听说您不打算将过程式编程风格强加到 R 上。我发现这很难。我刚刚用 for 循环解决了一个问题。这是错误的吗？有没有更好、更“R 风格”的解决方案？

问题:我有两列:Col1 和 Col2。 Col1 包含以自由格式输入的职位名称。我想使用 Col2 将这些职称收集到类别中(因此“初级技术员”、“工程技术员”和“机械技术员”都列为“技术员”。

我是这样做的:

jobcategories<-list(
"Junior Technician|Engineering technician|Mech. tech." = "Technician",
"Manager|Senior Manager|Group manager|Pain in the ****" = "Manager",
"Admin|Administrator|Group secretary" = "Administrator")

for (currentjob in names(jobcategories)) {
  df$Col2[grep(currentjob,data$Col1)] <- jobcategories[[currentjob]]
}

这会产生正确的结果，但我无法摆脱这样的感觉:(因为我的程序经验)我没有正确使用 R。 R 专家能否帮助我摆脱痛苦？

编辑

有人要求我提供原始数据。不幸的是，我不能提供它，因为里面有 secret 信息。它基本上是两列。第一列包含 400 多行不同的职位(以及奇怪的个人姓名)。这 400 种图书可分为大约 20 个不同的类别。第二列开始为 NA，然后在运行 for 循环后填充。

Answer 1

你是对的，在 R 中经常不鼓励使用 for 循环，根据我的经验，这有两个主要原因:

生长对象

正如 R inferno 的第 2 圈中 Eloquent 地描述的那样，一次增长一个对象的一个​​元素可能效率极低，这通常是 for 循环中的诱惑。例如，这是一个非常常见但效率低下的工作流程，因为它重新分配 output循环的每次迭代:

output <- c()
for (idx in indices) {
  scalar <- compute.new.scalar(idx)
  output <- c(output, scalar)
}

可以通过预分配output来消除这种低效率。到适当的大小并使用 for 循环或使用类似 sapply 的函数.

错过更快的矢量化替代方案

效率低下的第二个原因是当存在矢量化替代方案时，在快速操作上执行 for 循环。例如，考虑以下代码:

s <- 0
for (elt in x) {
  s <- s + elt
}

这是一个非常快速的操作(将两个数字相加)的 for 循环，与矢量化的 sum 相比，循环的开销将是显着的。函数，将向量中的所有元素相加。 sum函数速度很快，因为它是用 C 实现的，因此执行 s <- sum(x) 会更高效比使用 for 循环(更不用说更少的打字)。有时需要更多的创造力来弄清楚如何用矢量化替代方案( cumsum 和 diff 出现很多)来替换 for 循环，但它可以带来显着的效率提高。如果您有一个快速循环内部，但无法弄清楚如何使用矢量化函数来实现相同的目标，我发现使用 Rcpp 包重新实现循环可以产生更快的替代方案。

总结...

如果您错误地增长对象，或者循环内部非常快，并且整个循环可以用矢量化操作替换，则 For 循环可能会很慢。否则，您可能不会损失太多效率，因为 apply 函数系列也在内部执行 for 循环。