सबसेटिंग

Question

के साथ सप्ताहांत की गणना में कुशल सप्ताह बनाएं मेरे कामकाजी डेटासेट में, मैं थोक और राजस्व में बदलाव के लिए सप्ताह-दर-सप्ताह मूल्यों की गणना करने की कोशिश कर रहा हूं। कोड काम करता प्रतीत होता है, लेकिन मेरे अनुमानों से पता चलता है कि यह एक साधारण सरल गणना चलाने के लिए लगभग 75 घंटे लग जाएगा। नीचे सामान्य प्रतिलिपि प्रस्तुत करने योग्य संस्करण है जो इस छोटे डाटासेट पर चलने के लिए के बारे में 2 एम लेता है:

######################################################################################################################## 
# MAKE A GENERIC REPORDUCIBLE STACK OVERFLOW QUESTION 
######################################################################################################################## 

# Create empty data frame of 26,000 observations similar to my data, but populated with noise 
exampleData <- data.frame(product = rep(LETTERS,1000), 
          wholesale = rnorm(1000*26), 
          revenue = rnorm(1000*26)) 

# create a week_ending column which increases by one week with every set of 26 "products" 
for(i in 1:nrow(exampleData)){ 
    exampleData$week_ending[i] <- as.Date("2016-09-04")+7*floor((i-1)/26) 
} 
exampleData$week_ending <- as.Date(exampleData$week_ending, origin = "1970-01-01") 

# create empty columns to fill 
exampleData$wholesale_wow <- NA 
exampleData$revenue_wow <- NA 

# loop through the wholesale and revenue numbers and append the week-over-week changes 
for(i in 1:nrow(exampleData)){ 
    # set a condition where the loop only appends the week-over-week values if it's not the first week 
    if(exampleData$week_ending[i]!="2016-09-04"){ 
    # set temporary values for the current and past week's wholesale value 
    currentWholesale <- exampleData$wholesale[i] 
    lastWeekWholesale <- exampleData$wholesale[which(exampleData$product==exampleData$product[i] & 
                 exampleData$week_ending==exampleData$week_ending[i]-7)] 
    exampleData$wholesale_wow[i] <- currentWholesale/lastWeekWholesale -1 

    # set temporary values for the current and past week's revenue 
    currentRevenue <- exampleData$revenue[i] 
    lastWeekRevenue <- exampleData$revenue[which(exampleData$product==exampleData$product[i] & 
                exampleData$week_ending==exampleData$week_ending[i]-7)] 
    exampleData$revenue_wow[i] <- currentRevenue/lastWeekRevenue -1 
    } 
} 

समझने क्यों यह इतने लंबे समय या कैसे समय में कटौती करने लग जाते हैं किसी भी मदद की बहुत सराहना की जाएगी!

Answer 1

पहले for पाश के लिए निम्नलिखित के साथ सरल किया जा सकता:

exampleData$week_ending2 <- as.Date("2016-09-04") + 7 * floor((seq_len(nrow(exampleData)) - 1)/26) 

setequal(exampleData$week_ending, exampleData$week_ending2) 
[1] TRUE 

की जगह दूसरा for पाश

library(data.table) 
dt1 <- as.data.table(exampleData) 
dt1[, wholesale_wow := wholesale/shift(wholesale) - 1 , by = product] 
dt1[, revenue_wow := revenue/shift(revenue) - 1 , by = product] 

setequal(exampleData, dt1) 
[1] TRUE 

यह अपने लैपटॉप पर चलाने के लिए लगभग 4 मिलीसेकेंड लेता

Answer 2

यहाँ है tidyr पैकेज का उपयोग कर एक वेक्टरकृत समाधान।

set.seed(123) 
# Create empty data frame of 26,000 observations similar to my data, but populated with noise 
exampleData <- data.frame(product = rep(LETTERS,1000), 
          wholesale = rnorm(1000*26), 
          revenue = rnorm(1000*26)) 

# create a week_ending column which increases by one week with every set of 26 "products" 
#vectorize the creating of the data 
i<-1:nrow(exampleData) 
exampleData$week_ending <- as.Date("2016-09-04")+7*floor((i-1)/26) 

exampleData$week_ending <- as.Date(exampleData$week_ending, origin = "1970-01-01") 

# create empty columns to fill 
exampleData$wholesale_wow <- NA 
exampleData$revenue_wow <- NA 

#find the index of rows of interest (ie removing the first week) 
i<-i[exampleData$week_ending!="2016-09-04"] 

library(tidyr) 

#create temp variables and convert into wide format 
# the rows are product and the columns are the ending weeks 
Wholesale<-exampleData[ ,c(1,2,4)] 
Wholesale<-spread(Wholesale, week_ending, wholesale) 

Revenue<-exampleData[ ,c(1,3,4)] 
Revenue<-spread(Revenue, week_ending, revenue) 

#number of columns 
numCol<-ncol(Wholesale) 

#remove the first two columns for current wholesale 
#remove the first and last column for last week's wholesale 
#perform calculation on ever element in dataframe (divide this week/lastweek) 
Wholesale_wow<- Wholesale[ ,-c(1, 2)]/Wholesale[ ,-c(1, numCol)] - 1 
#convert back to long format 
Wholesale_wow<-gather(Wholesale_wow) 

#repeat for revenue 
Revenue_wow<- Revenue[ ,-c(1, 2)]/Revenue[ ,-c(1, numCol)] - 1 
#convert back to long format 
Revenue_wow<-gather(Revenue_wow) 

#assemble calculated values back into the original dataframe 
exampleData$wholesale_wow[i]<-Wholesale_wow$value 
exampleData$revenue_wow[i]<-Revenue_wow$value 

रणनीति मूल डेटा को एक विस्तृत प्रारूप में परिवर्तित करना था जहां पंक्तियां उत्पाद आईडी थीं और कॉलम सप्ताह थे। फिर एक दूसरे द्वारा डेटा फ्रेम विभाजित करें। वापस एक लंबे प्रारूप में कनवर्ट करें और उदाहरण के लिए डेटा गणना फ्रेम में नए गणना मूल्य जोड़ें। यह काम करता है, बहुत साफ नहीं है लेकिन लूप की तुलना में बहुत तेज़ है। इस प्रकार के काम के लिए dplyr पैकेज एक और उपकरण है। के साथ मामले उपयोग का परीक्षण

इस कोड के इस परिणाम की तुलना करने के लिए:

print(identical(goldendata, exampleData)) 

कहाँ goldendata अपने नाम से जाना जाता अच्छे परिणाम, set.seed() फ़ंक्शन के साथ एक ही यादृच्छिक संख्या का उपयोग सुनिश्चित करें है।