目前,我正在研究一个大数据集。在此任务中,我唯一要做的就是预处理数据。

当我运行我的代码时,我看到我的计算机内存通过这一行增加得非常快:

binary <- ifelse(subset_variables1 == "0", 0, 1)

该行唯一应该做的就是将我的所有值设为二进制。这可以以更快的方式完成吗?或者这已经是一个好方法(我必须处理内存问题)。

最佳答案

使用 bool 类型和/或条件时,您可以将它们与数学运算符一起使用,它们将被解释为 10(对于 TRUEFALSE )。所以 +("0" == 0) 返回 11 - ("0" == 0) 返回 0

如果你有这样的向量

set.seed(666)
subset_variables1 <- sample(c("0", "1"), 10000, replace = TRUE)

您可以使用 1 - (subset_variables1 == "0") 来获得所需的结果。

我将它与评论中的一些建议进行了比较,它是最快的。
library(microbenchmark)

microbenchmark(ifelse = ifelse(subset_variables1 == "0", 0, 1),
               as.numeric = as.numeric(subset_variables1),
               if_else = dplyr::if_else(subset_variables1 == "0", 0, 1),
               plus = 1 - (subset_variables1 == "0"),
               times = 1000
)

Unit: microseconds
       expr     min       lq     mean   median       uq      max neval
     ifelse 686.668 701.3440 977.0863 910.6570 1170.816 3222.192  1000
 as.numeric 631.813 642.5910 715.8687 677.3830  720.841 1819.925  1000
    if_else 347.409 377.0665 537.3344 482.7055  657.468 1603.241  1000
       plus  97.170  98.8845 129.9091 107.8545  146.303  741.557  1000

关于r - 以更快的方式编写 ifelse()(内存更少),我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/48542206/

10-12 23:35