gpt4 book ai didi

r - 为多组列动态创建行的替代(更快)方法

转载 作者:行者123 更新时间:2023-12-05 08:21:34 30 4
gpt4 key购买 nike

我正在尝试为多组列自动计算每行的平均分数。例如。一组列可以代表不同比例的项目。这些列也被系统地命名 (scale_itemnumber)。

例如,下面的虚拟数据框包含来自三个不同比例的项目。(可能会出现并非每个量表的所有项目都包括在内的情况,此处表示为缺失的 VAR_3)。

#library(tidyverse)
set.seed(123)
df <- tibble( G_1 = sample(1:5, size = 10000, replace = TRUE),
G_2 = sample(1:5, size = 10000, replace = TRUE),
G_3 = sample(1:5, size = 10000, replace = TRUE),
MOT_1 = sample(1:5, size = 10000, replace = TRUE),
MOT_2 = sample(1:5, size = 10000, replace = TRUE),
MOT_3 = sample(1:5, size = 10000, replace = TRUE),
VAR_1 = sample(1:5, size = 10000, replace = TRUE),
VAR_2 = sample(1:5, size = 10000, replace = TRUE),
VAR_4 = sample(1:5, size = 10000, replace = TRUE))

我想做的是为每个构造创建一个额外的列(具有动态名称,例如 mean_G、mean_MOT、mean_VAR),代表各自列集的行平均值。

# A tibble: 6 x 12
G_1 G_2 G_3 MOT_1 MOT_2 MOT_3 VAR_1 VAR_2 VAR_4 mean_G mean_MOT mean_VAR
<int> <int> <int> <int> <int> <int> <int> <int> <int> <dbl> <dbl> <dbl>
1 3 3 1 1 1 1 1 5 4 2.33 1 3.33
2 3 5 3 3 2 1 4 3 5 3.67 2 4
3 2 5 4 5 3 2 4 1 1 3.67 3.33 2
4 2 5 4 4 4 1 2 5 4 3.67 3 3.67
5 3 4 2 1 4 5 2 2 3 3 3.33 2.33
6 5 3 4 4 3 4 1 1 4 4 3.67 2

我实际上有一个使用 rowwise() 和 c_across() 结合 purrr 的工作方法,但与手动执行(mutate + rowMeans 组合)相比,它的执行速度太慢了。然而,真正的 df 有更多的尺度和更多的项目,所以我宁愿不必硬编码每个平均列并插入每个项目(特别是因为包含的确切选择也可能因数据帧而异)。

#functional but slow approach

#get list of variable prefixes
var_names <- str_extract(names(df), "^.*(?=(_))") %>%
unique()

#use map and c_across to calculate the means rowwise per variable group

df_functional <-
df %>%
bind_cols(
map_dfc(.x = var_names,
.f = ~ .y %>%
rowwise() %>%
transmute(!!str_c("mean_", .x) := mean(c_across(starts_with(.x)))),
.y = .))



#manual approach
df_manual <- df %>% mutate(mean_G = rowMeans(select(., G_1, G_2, G_3)),
mean_MOT = rowMeans(select(., MOT_1, MOT_2, MOT_3)),
mean_VAR = rowMeans(select(., VAR_1, VAR_2, VAR_4)))

结果是相同的,但动态/功能方法要慢得多!不确定对于具有更多列/组的 dfs 会是什么样子。我如何才能在保持动态方法的灵 active 的同时加快速度?

> identical(df_manual, df_functional)
[1] TRUE

#Benchmark (using the microbenchmark package)
benchmark
Unit: milliseconds
expr min lq mean median uq max neval
functional 37198.3569 38592.6855 48313.00156 52936.3254 55349.0561 59831.0141 100
manual 16.0662 18.0139 27.53403 19.9085 22.9384 138.5401 100

最佳答案

这应该更快:

library(dplyr, warn.conflicts = FALSE)
library(purrr)
df <- tibble( G_1 = sample(1:5, size = 10000, replace = TRUE),
G_2 = sample(1:5, size = 10000, replace = TRUE),
G_3 = sample(1:5, size = 10000, replace = TRUE),
MOT_1 = sample(1:5, size = 10000, replace = TRUE),
MOT_2 = sample(1:5, size = 10000, replace = TRUE),
MOT_3 = sample(1:5, size = 10000, replace = TRUE),
VAR_1 = sample(1:5, size = 10000, replace = TRUE),
VAR_2 = sample(1:5, size = 10000, replace = TRUE),
VAR_4 = sample(1:5, size = 10000, replace = TRUE))
f <- function(df){
row_means <- split.default(df, stringr::str_remove(names(df), '_[0-9]')) %>%
map(rowMeans) %>%
setNames(paste0("mean_", names(.)))
df %>%
mutate(
!!!row_means
)
}
manual <- function(df) {
df %>% mutate(
mean_G = rowMeans(select(., G_1, G_2, G_3)),
mean_MOT = rowMeans(select(., MOT_1, MOT_2, MOT_3)),
mean_VAR = rowMeans(select(., VAR_1, VAR_2, VAR_4))
)
}
microbenchmark::microbenchmark(prog = f(df), man = manual(df))
#> Unit: milliseconds
#> expr min lq mean median uq max neval cld
#> prog 2.6982 2.91245 3.30497 3.09260 3.30435 7.5209 100 a
#> man 9.1948 9.85690 10.79482 10.13105 10.81000 19.4007 100 b

reprex package 创建于 2022-07-01 (v2.0.1)

关于r - 为多组列动态创建行的替代(更快)方法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/72832675/

30 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com