r - 使用 R 的方法比 'for' 循环更有效

Question

我是 R 的相对新手，所以如果对此有明显的答案，我很抱歉。我查看了其他问题，我认为“应用”是答案，但我不知道在这种情况下如何使用它。

我有一个纵向调查，每年都会邀请参与者。有些年他们没有参加，有时他们会死。我需要确定哪些参与者从调查开始就参与了一致的“连续”(即如果他们停止，他们就永远停止)。

我已经使用“for”循环完成了此操作，它在下面的示例中工作正常。但是我有很多年和很多参与者，循环很慢。我可以使用更快的方法吗？

在示例中，TRUE 表示他们参加了那一年。该循环创建两个向量 - 'finalyear' 表示他们参加的最后一年，以及 'streak' 以显示他们是否在 finalyear 之前的所有年份完成(即案例 1、3 和 5)。

dat <- data.frame(ids = 1:5, "1999" = c(T, T, T, F, T), "2000" = c(T, F, T, F, T), "2001" = c(T, T, T, T, T), "2002" = c(F, T, T, T, T), "2003" = c(F, T, T, T, F))
finalyear <- NULL
streak <- NULL
for (i in 1:nrow(dat)) {
    x <- as.numeric(dat[i,2:6])
    y <- max(grep(1, x))
    finalyear[i] <- y
    streak[i] <- sum(x) == y
}
dat$finalyear <- finalyear
dat$streak <- streak

谢谢!

Answer 1

For 循环在 R 中本质上并不坏，但是如果您迭代地增长向量(就像您正在做的那样)，它们会很慢。通常有更好的方法来做事。仅具有应用功能的解决方案示例:

dat$finalyear <- apply(dat[,2:6],MARGIN=1,function(x){max(which(x))})
dat$streak <-  apply(dat[,2:7],MARGIN=1,function(x){sum(x[1:5])==x[6]})

或选项 2，基于@Spacedman 的评论:

dat$finalyear <- apply(dat[,2:6],MARGIN=1,function(x){max(which(x))})
dat$streak <-  apply(dat[,2:6],MARGIN=1,function(x){max(which(x))==sum(x)})

> dat
  ids X1999 X2000 X2001 X2002 X2003 finalyear streak
1   1  TRUE  TRUE  TRUE FALSE FALSE         3   TRUE
2   2  TRUE FALSE  TRUE  TRUE  TRUE         5  FALSE
3   3  TRUE  TRUE  TRUE  TRUE  TRUE         5   TRUE
4   4 FALSE FALSE  TRUE  TRUE  TRUE         5  FALSE
5   5  TRUE  TRUE  TRUE  TRUE FALSE         4   TRUE