让循环和空间计算变得更快？

Question

我正在使用一个大的数据集(大约15M行x 21列)。其包括事务的长的、最新的信息。我正在计算这个事务到几个目标位置的距离，并将其作为新列附加到主数据集：

TargetLocation1<-data.frame(Long=XX.XXX,Lat=XX.XXX, Name="TargetLocation1", Size=ZZZZ)
TargetLocation2<-data.frame(Long=XX.XXX,Lat=XX.XXX, Name="TargetLocation2", Size=YYYY)

## MainData[6:7] are long and lat columns

MainData$DistanceFromTarget1<-distVincentyEllipsoid(MainData[6:7], TargetLocation1[1:2]) 
MainData$DistanceFromTarget2<-distVincentyEllipsoid(MainData[6:7], TargetLocation2[1:2]) 

我正在使用geosphere()包的distVincentyEllipsoid函数来计算距离。正如你可以想象的那样，distVincentyEllipsoid函数是一个计算密集型的函数，但它更精确(与相同软件包distHaversine(); distMeeus(); distRhumb(); distVincentySphere()的其他函数相比)

Q1)我有16 GB内存和i7 6600U 2.81Ghz英特尔处理器，而且我有多个目标位置，我大约需要5-10分钟来计算每个目标位置的距离。有没有更快的方法来做这件事？

Q2)，然后我将为分类变量创建一个新列，以标记属于目标位置的市场定义的每个交易。一个带有2个if语句的for循环。有没有其他方法可以让计算速度更快？

  MainData$TransactionOrigin<-"Other"

  for (x in 1:nrow(MainData)){
  if (MainData$DistanceFromTarget1[x]<=7000)
  MainData$TransactionOrigin[x]="Target1"
  if (MainData$DistanceFromTarget2[x]<=4000)
  MainData$TransactionOrigin[x]="Target2"
}

谢谢

Answer 1

关于Q2

如果你丢失了循环，它会运行得更快。

    MainData$TransactionOrigin <- "Other"
    MainData$TransactionOrigin[which(MainData$DistanceFromTarget1[x]<=7000)] <- "Target1"
    MainData$TransactionOrigin[which(MainData$DistanceFromTarget2[x]<=4000)] <- "Target2"