Question

我正在尝试匹配一些可能是相当大的数据集的数据，甚至在中等大小的数据集上也需要花费太长时间。

我正在执行的任务是解决机械问题，然后回溯6个月并查找程序问题（个别员工的失败）。我首先在机器和位置匹配，所以我想用同一台机器匹配相同的地方。然后我要求程序错误出现在机械错误之前，因为它在将来。最后，我将它限制在180天以保持可比性。

在数据构建阶段，我限制机械问题以排除前6个月，因此我每个都有180天的阻止。

我已经阅读了很多关于优化循环的内容。我知道你想在循环之外创建一个存储变量，然后只是添加它，但我实际上并不知道它会返回多少匹配，所以最初我一直在循环中使用rbind。我知道存储变量的上限是机械问题的数量*程序问题的数量，但这是巨大的，我不能分配一个大的矢量。我在这里的代码有我最大的存储变量方法，但我想我将不得不回到这样的事情：

if (counter == 1) {
    pro = procedural[i, ]
    other = mechanical[j, ]
}
if (counter != 1) {
    pro = rbind(pro, procedural[i, ])
    other = rbind(other, mechanical[j, ])
}

我也读了很多关于矢量化的内容，但我从来没有真正设法让它工作。我在矢量化方面尝试了一些不同的东西，但我认为我一定做错了。

我还尝试删除第二个循环并仅使用which命令，但这似乎不适用于与单个值（来自机械数据）进行比较的完整数据列（来自过程数据）。

这是我目前的代码。它适用于小型数据集，但是对于任何远程大的数据都需要永远。

maxval = mechrow * prorow
pro = matrix(nrow = maxval, ncol = ncol(procedural))
other = matrix(nrow = maxval, ncol = ncol(procedural))
numprocissues = matrix(nrow = mechrow, ncol = 1)
counter = 1
for (j in 1:mechrow) {
    for (i in 1:prorow) {
        if (procedural[i, 16] == mechanical[j, 16] &
            procedural[i, 17] < mechanical[j, 17] &
            procedural[i, 2] == mechanical[j, 2] &
            abs(procedural[i, 17] - mechanical[j, 17]) < 180) {

            pro[counter, ] = procedural[i, ]
            other[counter, ] = mechanical[j, ]
            counter = counter + 1
        }
    }
    numprocissues[j, 1] = counter
}

我想象的改进的地方可以在我的存储变量，潜在的矢量化，改变if语句中的条件，或者可能是想要删除循环的语句。

非常感谢任何建议！

谢谢。

Answer 1

未经测试...

xy <- expand.grid(mech=1:mechrow, pro=1:prorow)
ok <- (procedural[xy$pro, 16] == mechanical[xy$mech, 16] &
       procedural[xy$pro, 17] <  mechanical[xy$mech, 17] &
       procedural[xy$pro,  2] == mechanical[xy$mech,  2] &
       abs(procedural[xy$pro, 17] -  mechanical[xy$mech, 17]) < 180)
pro   <- procedural[xy$pro[ok],]
other <- mechanical[xy$mech[ok],]
numprocissues <- tapply(ok, xy$mech, sum)

加速嵌套循环;它可以被矢量化吗？

1 个答案: