Question

我有工资数据，其中大约95％以小时为单位给出，但是其中一些是以年薪给出的。所以我做了一个函数，将年薪转换为每小时，但是当我的数据集是43000行x 12列（我认为不会太大）时，它需要1分40秒才能运行，所以我认为这不会花费这么久。

我很好奇是否有比我创建的当前函数更好的方法。我是dplyr和tidyverse的新手，因此理想情况下是使用这些功能的答案。

以下是一些示例数据：

NOC4  Region Region_Name Wage_2012 Wage_2013 Wage_2014   
0011  ER10   National    28.1      65000     NA       
0011  ER1010 Northern    NA        30.5      18       
0011  ER1020 Southern    42.3      72000     22       
0011  ER1030 Eastern     12        NA        45500    
0011  ER1040 Western     8         NA        99000    
0011  ER10   National    NA        65000     NA

函数后的外观如下：

NOC4  Region Region_Name Wage_2012 Wage_2013 Wage_2014   
0011  ER10   National    28.1      33.33     NA       
0011  ER1010 Northern    NA        30.5      18       
0011  ER1020 Southern    42.3      36.92     22       
0011  ER1030 Eastern     12        NA        23.33    
0011  ER1040 Western     8         NA        50.77    
0011  ER10   National    NA        33.33     NA

功能如下：

year_to_hour <- function(dataset, salary, startcol){
  # where "startcol" should be the first column containing the numeric
  # values that you are trying to convert. 
  for(i in startcol:ncol(dataset)){

    for(j in 1:nrow(dataset)){

      if(is.na(dataset[j, i])){

        j = j+1

      }else if(as.numeric(dataset[j, i]) >= as.numeric(salary)){

        dataset[j, i] = dataset[j, i]/1950
      }
      else{

        dataset[j, i] = dataset[j, i]

      }

    }

  }

  return(as_tibble(dataset))

}

converted <- year_to_hour(wage_data_messy, 1000, 4)

Answer 1

如果

R通过“矢量化”代码处理内部循环，则R的工作速度将更快。

http://www.noamross.net/blog/2014/4/16/vectorization-in-r--why.html

这是使用dplyr的一种方法：

library(dplyr)
salary <- 1000
df %>%
  mutate_at(vars(Wage_2012:Wage_2014),          # For these columns...
            ~ . / if_else(. > salary, 1950, 1)) # Divide by 1950 if > salary

Answer 2

使用dplyr我会使用mutate_if

salary <- 1000
df %>% mutate_if(is.numeric, ~ifelse(. > salary, ./1950, .))

如何使这个简单的功能更有效率？

2 个答案: