加速嵌套循环；它能被矢量化吗？

Question

我正在尝试在一个相当大的数据集上匹配一些数据，即使是在中等大小的数据集上也需要花费太长的时间。

我正在执行的任务是处理一个机械问题，然后返回6个月，寻找程序问题(个别员工的失败)。我首先在机器和位置上进行匹配，所以我希望将相同的位置与相同的机器进行匹配。然后我要求程序错误出现在机械错误之前，因为它是在未来。最后，为了保持可比性，我将其限制在180天内。

在数据构建阶段，我将机械问题限制在前6个月之外，因此我对每个问题都有相同的180天块。

我读过很多关于优化循环的文章。我知道您想在循环外部创建一个存储变量，然后添加到其中，但我实际上并不知道它将返回多少匹配，所以最初我在循环中使用rbind。我知道存储变量的上限是机械问题的数量*程序问题的数量，但这是巨大的，我不能分配那么大的向量。我在这里放置的代码采用了最大存储变量方法，但我认为我必须回到下面这样的方法：

if (counter == 1) {
    pro = procedural[i, ]
    other = mechanical[j, ]
}
if (counter != 1) {
    pro = rbind(pro, procedural[i, ])
    other = rbind(other, mechanical[j, ])
}

我也读过不少关于矢量化的文章，但我从来没有真正让它工作过。我在矢量化方面尝试了一些不同的方法，但我认为我一定是做错了什么。

我还尝试删除第二个循环，并仅使用the命令，但在将整列数据(来自过程数据)与单个值(来自机械数据)进行比较的情况下，这似乎不起作用。

这是我目前拥有的代码。它适用于小数据集，但对于任何远程大的数据集，它永远需要花费很长时间。

maxval = mechrow * prorow
pro = matrix(nrow = maxval, ncol = ncol(procedural))
other = matrix(nrow = maxval, ncol = ncol(procedural))
numprocissues = matrix(nrow = mechrow, ncol = 1)
counter = 1
for (j in 1:mechrow) {
    for (i in 1:prorow) {
        if (procedural[i, 16] == mechanical[j, 16] &
            procedural[i, 17] < mechanical[j, 17] &
            procedural[i, 2] == mechanical[j, 2] &
            abs(procedural[i, 17] - mechanical[j, 17]) < 180) {

            pro[counter, ] = procedural[i, ]
            other[counter, ] = mechanical[j, ]
            counter = counter + 1
        }
    }
    numprocissues[j, 1] = counter
}

我认为可以改进的地方是我的存储变量，潜在的矢量化，改变if语句中的条件，或者可能是一个删除循环的花哨语句。

任何建议都将不胜感激！

谢谢。

Answer 1

未经测试..。

xy <- expand.grid(mech=1:mechrow, pro=1:prorow)
ok <- (procedural[xy$pro, 16] == mechanical[xy$mech, 16] &
       procedural[xy$pro, 17] <  mechanical[xy$mech, 17] &
       procedural[xy$pro,  2] == mechanical[xy$mech,  2] &
       abs(procedural[xy$pro, 17] -  mechanical[xy$mech, 17]) < 180)
pro   <- procedural[xy$pro[ok],]
other <- mechanical[xy$mech[ok],]
numprocissues <- tapply(ok, xy$mech, sum)