Reemplazar rbind en for-loop con lapply?(2º círculo del infierno)

optimization

Question

Tengo problemas para optimizar una pieza de código R. El siguiente código de ejemplo debería ilustrar mi problema de optimización:

Algunas inicializaciones y una definición de función:

a <- c(10,20,30,40,50,60,70,80)
b <- c(“a”,”b”,”c”,”d”,”z”,”g”,”h”,”r”)
c <- c(1,2,3,4,5,6,7,8)
myframe <- data.frame(a,b,c)
values <- vector(length=columns)
solution <- matrix(nrow=nrow(myframe),ncol=columns+3)

myfunction <- function(frame,columns){
athing = 0
   if(columns == 5){
   athing = 100
   }
   else{
   athing = 1000
   }
value[colums+1] = athing
return(value)}

El problemático for-loop se ve así:

columns = 6
for(i in 1:nrow(myframe){
   values <- myfunction(as.matrix(myframe[i,]), columns)
   values[columns+2] = i
   values[columns+3] = myframe[i,3]
   #more columns added with simple operations (i.e. sum)

   solution <- rbind(solution,values)
   #solution is a large matrix from outside the for-loop
}

El problema parece ser la función rbind . Frecuentemente recibo mensajes de error sobre el tamaño de la solution que parece ser grande después de un tiempo (más de 50 MB). Quiero reemplazar este ciclo y el rbind con una lista y lapply y / o foreach. Empecé con la conversión de myframe a una lista.

myframe_list <- lapply(seq_len(nrow(myframe)), function(i) myframe[i,])

Realmente no he llegado más allá de esto, aunque traté de aplicar esta muy buena introducción al procesamiento paralelo .

¿Cómo tengo que reconstruir for-loop sin tener que cambiar myfunction ? Obviamente estoy abierto a diferentes soluciones ...

Editar: Este problema parece ser directamente desde el segundo círculo del infierno desde el Infierno R. ¿Alguna sugerencia?

Answer 1

La razón por la que usar rbind en un bucle como este es una mala práctica, es que en cada iteración amplías tu marco de datos de solution y luego lo copias a un nuevo objeto, que es un proceso muy lento y también puede provocar problemas de memoria. Una forma de evitar esto es crear una lista, cuyo i-ésimo componente almacenará el resultado de la iteración del ciclo i-ésimo. El último paso es llamar a rbind en esa lista (solo una vez al final). Esto se verá algo así como

my.list <- vector("list", nrow(myframe))
for(i in 1:nrow(myframe)){
    # Call all necessary commands to create values
    my.list[[i]] <- values
}
solution <- rbind(solution, do.call(rbind, my.list))

Answer 2

Un poco largo para comentarios, así que lo puse aquí: Si las columns se conocen de antemano:

    myfunction <- function(frame){
    athing = 0
       if(columns == 5){
       athing = 100
       }
       else{
       athing = 1000
       }
    value[colums+1] = athing
    return(value)}

    apply(myframe, 2, myfunction)

Si las columns no se proporcionan a través del entorno, puede usar:

apply(myframe, 2, myfunction, columns) con su definición original de myfunction .