r - 为大型数据框使用 purrr::map2 的更有效方法

Question

是否有更快的方法来执行以下操作，在实际应用程序中，df 有很多行(因此 list_of_colnames 具有相同数量的元素):

list_of_colnames <- list(c("A", "B"), c("A"))
some_vector <- c("fish", "cat")

map2(split(df, seq(nrow(df))), list_of_colnames, function(row, colnames) {
    row$indicator <- ifelse(any(row[, colnames] %in% some_vector), 1, 0)
    return(row)
  })

虽然当前的实现有效，但大型 df 需要几个世纪的时间。事实上，我认为 split() 是一个主要的瓶颈。

谢谢!

Answer 1

一个选择可能是使用行/列索引

rowind <- rep(seq_len(nrow(df)), lengths(list_of_colnames) * nrow(df))
df$indicator <- +(tapply(c(t(df[unlist(list_of_colnames)])) %in% some_vector,
       rowind, FUN = any))

-输出

> df
      A   B indicator
1  fish   A         1
2 hello cat         1

数据

df <- data.frame(A =  c('fish', 'hello'), B = c('A', 'cat'))