r - 帮我用 "apply"函数替换 for 循环

Question

...如果可能的话

我的任务是找到用户参与游戏的最长连续天数。

我没有编写 sql 函数，而是选择使用 R 的 rle 函数，以获得最长的条纹，然后用结果更新我的 db 表。

(附加的)数据框是这样的:

    day      user_id
2008/11/01    2001
2008/11/01    2002
2008/11/01    2003
2008/11/01    2004
2008/11/01    2005
2008/11/02    2001
2008/11/02    2005
2008/11/03    2001
2008/11/03    2003
2008/11/03    2004
2008/11/03    2005
2008/11/04    2001
2008/11/04    2003
2008/11/04    2004
2008/11/04    2005

我尝试了以下方法来获得每个用户最长的连续记录

# turn it to a contingency table
my_table <- table(user_id, day)

# get the streaks
rle_table <- apply(my_table,1,rle)

# verify the longest streak of "1"s for user 2001
# as.vector(tapply(rle_table$'2001'$lengths, rle_table$'2001'$values, max)["1"])

# loop to get the results
# initiate results matrix
res<-matrix(nrow=dim(my_table)[1], ncol=2)

for (i in 1:dim(my_table)[1]) {
string <- paste("as.vector(tapply(rle_table$'", rownames(my_table)[i], "'$lengths, rle_table$'", rownames(my_table)[i], "'$values, max)['1'])", sep="")
res[i,]<-c(as.integer(rownames(my_table)[i]) , eval(parse(text=string)))
}

不幸的是，这个 for 循环花费的时间太长，我想知道是否有办法使用“apply”系列中的函数生成 res 矩阵。

先感谢您

Answer 1

apply 函数并不总是(甚至通常)比 for 循环快。这是 R 与 S-Plus 关联的残余(在后者中，apply 比 for 快)。一个异常(exception)是 lapply ，它通常比 for 快(因为它使用 C 代码)。 See this related question 。

所以你应该使用 apply 主要是为了提高代码的清晰度，而不是为了提高性能。

你可能 find Dirk's presentation on high-performance computing useful 。另一种蛮力方法是 "just-in-time compilation" with Ra instead of the normal R version ，它经过优化以处理 for 循环。

[编辑:] 显然有很多方法可以实现这一点，即使它更紧凑，这也绝不是更好。只需使用您的代码，这是另一种方法:

dt <- data.frame(table(dat))[,2:3]
dt.b <- by(dt[,2], dt[,1], rle)
t(data.frame(lapply(dt.b, function(x) max(x$length))))

您可能需要进一步操作输出。