R - 長いテーブル形式

Question

にループ動作を最適化私はイベントがすでにそのタイムスタンプによってソートされ、私は生成したいされている以下の形式で

 
+-----------+-------+ 
| ProcessId | Event | 
+-----------+-------+ 
|  111 | A  | 
|  111 | B  | 
|  111 | C  | 
|  111 | D  | 
|  111 | E  | 
|  112 | A  | 
|  112 | B  | 
|  112 | D  | 
|  112 | E  | 
|  113 | A  | 
|  113 | B  | 
|  113 | C  | 
|  113 | D  | 
|  113 | E  | 
+-----------+-------+ 

を周りに120万行を含む長い形式のテーブルデータを持っています長形式テーブルから次のような別のテーブルへの別の列への各プロセスidのプロセスフロー文字列

processflow < - （ 'A-> B-> C-> D-> E-' B-> D-> E-、A-> B-> C-> D-> E」など）

私は以下の行を試しましたo fコード。それぞれのi3、4GB RAMラップトップのコアでは、それぞれ約850秒かかります。これをもっと速くする代替手段は何ですか？ 任意のガイダンスは

バージョン1 foreachのパッケージに

processflow <- foreach(i=processflow_detection$process_id,.combine='c') %do% state_flow_identifier(i) 

を使用してパッケージを使用してdplyr

state_flow_identifier <- function(x){ 
y <-filter(data_longformat,process_id==x) 
y_v <- as.vector(y$Event) 
as.character(paste(y_v,collapse = '->')) 
} 

processflow_detection <- mutate(processflow_detection,processflow = apply(processflow_detection['process_id'],1,function(x)state_flow_identifier(x))) 

バージョン2のおかげで参考になります。

Answer 1

あなたはdplyrで、このような何かを試すことができますし、それはgroup_by機能です：次のように

library(dplyr) 
df %>% 
    group_by(ProcessId) %>% 
    summarise(eventFlow = paste(Event, collapse = ' -> ')) 

出力は次のようになります。

Source: local data frame [3 x 2] 

    ProcessId    eventFlow 
     (dbl)     (chr) 
1  111 A -> B -> C -> D -> E 
2  112 A -> B -> C -> D -> E 
3  113 A -> B -> C -> D -> E 

注意、あなたのではなかったので、私は、入力として、このデータフレームを使用しましたRに入力する形式で入力します。

df <- data.frame(ProcessId = c(rep(111, 5), rep(112, 5), rep(113, 5)), Event = rep(c('A', 'B', 'C', 'D', 'E'), 3)) 
df 
    ProcessId Event 
1  111  A 
2  111  B 
3  111  C 
4  111  D 
5  111  E 
6  112  A 
7  112  B 
8  112  C 
9  112  D 
10  112  E 
11  113  A 
12  113  B 
13  113  C 
14  113  D 
15  113  E 

Answer 2

ライブラリ。

df <- data.frame(ProcessId=c(rep(111,5),rep(112,4),rep(113,5)),Event=unlist(strsplit("ABCDEABDEABCDE",""))) 
len <- nrow(df) 
new_process_id <- c(TRUE, df$ProcessId[-len] != df$ProcessId[-1]) 
sym <- rep(" -> ", len) 
sym[new_process_id] <- "," 
str <- paste(sym, df$Event, sep="", collapse="") 
data.frame(ProcessId=rle(df$ProcessId)$val,EventFlow=unlist(strsplit(str,","))[-1]) 

出力：1.25万ラインのための

ProcessId    EventFlow 
1  111 A -> B -> C -> D -> E 
2  112  A -> B -> D -> E 
3  113 A -> B -> C -> D -> E 

、実行時間は私のラップトップ

Answer 3

で約2秒であったまた、Gopalaのデータフレーム@使用（、効率のためにdata.tableをチェックアウトする必要があります）

library(data.table) 
setDT(df)[, .(event_flow = paste(Event, collapse = '->')), by = ProcessId] 
# ProcessId event_flow 
#1:  111 A->B->C->D->E 
#2:  112 A->B->C->D->E 
#3:  113 A->B->C->D->E