向量化嵌套 for 循环 r

Question

我在尝试向量化 R 中的嵌套 for 循环时遇到了一些问题。
基本上，该程序在数据框中查找特定的编码值，在命名列表中找到该代码，并将值编码的内容存储在向量中。最后，我将所有这些向量绑定在一起，以创建一个未编码值矩阵。不过我对函数式编程还比较陌生，想以某种方式优化这个过程，但我不太清楚如何在没有 for 循环的情况下让它工作！

原始数据是编码值。原始数据中的每一列都是向调查人员提出的问题。它看起来像这样：

q1 q2 q3
a1 b1 c1
a2 b2 c2
a3 '' ''

datacodes 是每个问题及其可能代码列表的数据框。

请注意 a3 不在 q1 的列表中。碰巧有时答案不在法典中，所以我想保留功能，如果发生这种情况，则输入代码，而不是 NA。 l 是一个列表，每个问题都是一个命名的代码和答案列表。它类似于 datacodes，但它是一个命名列表的列表，所以它看起来像：

l = list(q1=list(a1=alpha,a2=beta), q2=list(b1=gamma,b2=delta)...)

等等。这是代码：

#Checks each "cell" to see if the code is within the codex pertaining
# to the question asked, if it is, then the decoded value is stored
#if not, then the coded value is stored in the vector

for (column in 1:length(rawdata)){
  for (row in 1:length(rawdata$column1)){
    codex<-l[[colnames(rawdata)[i]]]
    code<-rawdata[[colnames(rawdata)[i]]][row]
    keys<-datacodes$data[[i]]$key
    if(code %in% keys){
      p[row]<-codex[[as.character(code)]]
    }
    else{
      p[row]<-code
      }
    }
  }
#tacks on each finished vector to form a matrix
decode<-cbind(decode,p)
}

输出应该是这样的：

q1    q2    q3
alpha gamma epsilon
beta  delta zeta
a3    ''    ''

Answer 1

这是一个可能的解决方案，通过删除内部循环并使用 match 函数。这将创建原始数据的副本，然后替换为定义列表 "l" 中的匹配值。由于它是命名列表，因此很容易检索到替换所需的值列表。

rawdata<-read.table(header = TRUE, text="q1 q2 q3
a1 b2 c1
a2 b1 c2
a3 b1 ''")

l = list(q1=list(a1="alpha",a2="beta"), q2=list(b1="gamma",b2="delta"), q3=list(c1="epsilon",c2="zeta")) 

#make copy of data to update
answer<-rawdata

#loop through the question columns in rawdata
for (n in names(rawdata)) {
   #match the answer to the provide list
   mat<-match(rawdata[[n]], names(l[[n]]))

   #convert from factors to character type
   answer[[n]]<-as.character(answer[[n]])

   #Remove any NA answers and 
   #update the rows and column in the copy of the original data
   answer[[n]][which(!is.na(mat))]<- unlist(l[[n]][mat[!is.na(mat)]])
}
answer

     q1    q2      q3
1 alpha delta epsilon
2  beta gamma    zeta
3    a3 gamma

如果根据回答数量与问题数量的比较来确定性能提升的程度。

注意：我确实更新了您的示例数据以改进测试。

向量化嵌套 for 循环 r

Vectorize nested for loops r

r

functional-programming

vectorization

named