加速 R 中的 tapply 函数，或另一个将数据帧转换为矩阵的函数

如何解决加速 R 中的 tapply 函数，或另一个将数据帧转换为矩阵的函数

我需要将庞大的数据集转换为矩阵。数据结构类似于下面的数据“x”。当我使用函数 tapply 执行此操作时（见下文），由于巨大数据集的内存限制，它无法工作。 我想知道是否有另一种方法可以做到这一点。我尝试了 R 包 dplyr，但不知道如何去做。有什么建议吗？非常感谢。

x <- data.frame(c1=c("A","B","C","A","C"),c2=1:6,c3=c("sp1","sp2","sp3","sp4"))
y <- tapply(x$c2,list(x$c1,x$c3),sum)

解决方法

您可以使用 pivot_wider :

tidyr::pivot_wider(x,names_from = c3,values_from = c2,values_fn = sum,values_fill = 0)

#  c1      sp1   sp2   sp3   sp4
#  <chr> <int> <int> <int> <int>
#1 A         1     4     0     0
#2 B         0     2     5     0
#3 C         0     3     0     6

data.table 通常更快，在这种情况下您可以使用 -

library(data.table)
dcast(setDT(x),c1~c3,value.var = 'c2',fun.aggregate = sum)

---

输出也可以用长格式表示。

library(dplyr)

x %>% 
  group_by(c1,c3) %>%
  summarise(c2 = sum(c2)) %>%
  ungroup

和 data.table -

setDT(x)[,sum(c2),.(c1,c3)]

,

使用 reshape 的另一个基本 R 选项

reshape(
  x,direction = "wide",idvar = "c1",timevar = "c3"
)

给予

  c1 c2.sp1 c2.sp2 c2.sp3 c2.sp4
1  A      1      4     NA     NA
2  B     NA      2      5     NA
3  C     NA      3     NA      6

,

我们可以在 xtabs 中使用 base R

xtabs(c2 ~ c1 + c3,x)
#   c3
#c1  sp1 sp2 sp3 sp4
#  A   1   4   0   0
#  B   0   2   5   0
#  C   0   3   0   6