如何提高性能：循环为一个因素的每个级别（在R）

Question

我发现它非常缓慢循环的因素的每个级别。

的数据是部分列车的时间表：

col1  col2  col3  col4   col5 
train start  density starttime  arrivaltime 
[factor] [factor] [factor] [date&time] [date&time] 

有10米行。有大约1K列车，所以每列列车都有10K列。

我尝试下面的测试代码：

data = data[order(data$train, data$starttime), ] # sort according to train, and then according to starttime 
length1 = numeric(length(levels(data$train)) ) 
ii = 1 
sub = data[1,] # initialize it   
for (t in levels(data$train)) 
{ 
    sub = subset(data, train==t) #subset of each train 
    length1[ii] = nrow(sub) 
    ii = ii +1 
    print(ii) 
} 

它的工作原理很慢 - 几秒钟，我的笔记本电脑每个循环。我想知道我能做些什么来提高效率。

例如，sub是在每个循环中变化的变量。我应该避免将这些行复制到sub？ sub更改循环时的长度，初始化时我应该给它更大的内存空间吗？

ps 我真正想要做的是，对于每一列火车，如果命运城市==下一趟旅行的开始城市。代码是：

data = data[order(data$train, data$starttime), ] # sort according to train, and then according to starttime 
sub = data[1,] # initialization   
for (t in levels(data$train)) 
{ 
    sub = subset(data, train==t) #subset of each train 

    for (i in 1:(nrow(sub)-1) ) 
    { 
    if (as.character(sub$destiny[i]) != as.character(sub$start[i+1])) 
    # if the destiny != the start city of the next trip 
    { do something } 
    } 
} 

Answer 1

如何使用dplyr包。它是由哈德利完全为此编写的，使用非常直观。以下链接有关于该软件包的教程。

http://rstudio-pubs-static.s3.amazonaws.com/11068_8bc42d6df61341b2bed45e9a9a3bf9f4.html

http://www.r-bloggers.com/hands-on-dplyr-tutorial-for-faster-data-manipulation-in-r/

https://www.youtube.com/watch?v=jWjqLW-u3hc