重组效率

Question

我正在写一个脚本，它需要构建一个大的矩阵。我想为每个名称取一个名称向量，从不同的数据框架中获取数据，对其执行一些操作，然后返回该名称的数据向量。例如：

allNew=matrix(ncol=ncol(X)-1);
for(name in list)
    {
    tmpdata=all[grep(names,list$Names),];
    data=(as.data.frame(apply(tmpdata[,2:(ncol(tmpdata)-1)],2,sum))==nrow(tmpdata))*1
    colnames(data)=name;
        data=t(data);
        allNew=rbind(allNew,data);
    }

名称列表的长度在10000范围内，对于每个名称，tmpdata有1-5行。我正在我的实验室linux服务器上运行我的代码，内存大约是8GB，

不知怎么的，我觉得这比它应该花的时间要长得多，只需要几分钟。我怎样才能更有效率地做这件事？

Answer 1

正如注释所指出的那样，一次只增长一行对象比覆盖预分配对象的部分慢得多。像这样的东西应该能起作用--尽管没有任何测试数据，很难确定。

allNew=matrix(NA, ncol=ncol(X)-1, nrow = length(list));
for(i in 1:length(list))
    {
    name <- names(list)[i]
    tmpdata=all[grep(names,list$Names), ]
    data=(as.data.frame(apply(tmpdata[, 2:(ncol(tmpdata)-1)], 2, sum))==nrow(tmpdata))*1
    colnames(data)=name
    allNew[i, ] = t(data)
    }