在R中编程分配的效率

Question

总之，我有一个用于导入存储在几个txt文件中的大量数据的脚本。在一个独立文件而不是中，所有的行都要放在同一个表中(DF现在切换到DT)，因此对于每个文件，我选择属于它的所有DF、get DF和assign的行。

当我第一次创建一个名为table1的DF时，我会这样做：

name <- "table1" # in my code the value of name will depend on different factors
                 # and **not** known in advance
assign(name, someRows)

然后，在执行过程中，我的代码可能会(在其他文件中)在table1数据框架中找到其他行，因此：

name <- "table"
assign(name, rbindfill(get(name), someRows))

我的问题是：assign(get(string), anyObject)是以编程方式完成作业的最佳方式吗？谢谢

编辑：

下面是我的代码的简化版本：( dataSource中的每一项都是read.table()的结果，所以只有一个文本文件)

set.seed(1)
#
dataSource <- list(data.frame(fileType = rep(letters[1:2], each=4),
                              id       = rep(LETTERS[1:4], each=2),
                              var1     = as.integer(rnorm(8))),
                   data.frame(fileType = rep(letters[1:2], each=4),
                              id       = rep(LETTERS[1:4], each=2),
                              var1     = as.integer(rnorm(8))))
#                   #                                                                                          #
#                          
library(plyr)
#
tablesnames <- unique(unlist(lapply(dataSource,function(x) as.character(unique(x[,1])))))
for(l in tablesnames){
  temp <- lapply(dataSource, function(x) x[x[,1]==l, -1])
  if(exists(l)) assign(l, rbind.fill(get(l), rbind.fill(temp))) else assign(l, rbind.fill(temp))
}
#
#            
# now two data frames a and b are crated
#
#
# different method using rbindlist in place of rbind.fill (faster and, until now, I don't # have missing column to fill)
#
rm(a,b)
library(data.table)
#
tablesnames <- unique(unlist(lapply(dataSource,function(x) as.character(unique(x[,1])))))
for(l in tablesnames){
  temp <- lapply(dataSource, function(x) x[x[,1]==l, -1])
  if(exists(l)) assign(l, rbindlist(list(get(l), rbindlist(temp)))) else assign(l, rbindlist(temp))
}

Answer 1

我建议使用命名的list，并跳过使用assign和get。许多很酷的R特性(例如lapply)在列表上工作得很好，并且不适合使用assign和get。此外，您可以很容易地将列表传递给一个函数，而对于与assign和get组合在一起的一组变量来说，这可能有点麻烦。

如果您想要将一组文件读入一个大的data.frame中，我将使用类似这样的方法(假设csv类似文本文件)：

library(plyr)
list_of_files = list.files(pattern = "*.csv")
big_dataframe = ldply(list_of_files, read.csv)

或者，如果您希望将结果保存在列表中：

big_list = lapply(list_of_files, read.csv)

并可能使用rbind.fill

big_dataframe = do.call("rbind.fill", big_list)