循环弹性计算的替代方法

Question

我已经写了一段代码来计算200 k产品的弹性。弹性正在计算，但它已经超过了15个小时，而且这个过程仍然在运行。我看到正在创建新的对象。除了不使用for循环之外，还有更快的替代方法吗？

下面是我的代码：

    sku_list <- unique(transact_data4$productId)
    elasticity_values <- data.frame()

    for (i in 1:length(sku_list)){
     test_sku <- subset(transact_data4, productId==sku_list[i])
     m1 <- lm(formula=sales~price, data= test_sku)
     coeffs <- as.data.frame(m1[[1]])
     gradient<- coeffs[2,1]
     gradient_final <- ifelse(is.na(gradient), -1, gradient)
     mean_price <- mean(test_sku$price)
     mean_sales <- mean(test_sku$sales)
     elasticity <- gradient_final*mean_price/mean_sales
     sku_elasticity <- cbind(sku_list[i],elasticity)
     elasticity_values <- rbind(elasticity_values,sku_elasticity)
    }
colnames(elasticity_values)[colnames(elasticity_values)=="V1"] <- "productId" 

下面是一个示例数据集：

transact_data <- data.frame(productId=c('A', 'A','A', 'A','A', 'A','B', 'B','B', 'B','B', 'B'),
                  price=c(10, 10.5, 11, 12,10, 9,
                    10, 11, 13, 11,12.5, 11),
                    sales =c(100,93,90,85,99,110,101,95,80,103,82,102), stringsAsFactors=FALSE)

结果：

  productId         elasticity
1         A -0.913344887348354
2         B  -1.03051724343462

在不使用for循环的情况下，有更快的方法来实现这一点吗？显然，由于较小的示例(只有2 productId)，这一过程运行得很快。但我正试图在200多万productId上运行这个程序。

谢谢。

Answer 1

码

library(dplyr)

transact_data %>% group_by(productId) %>%
   do(mod = lm(sales ~ price, data = .), 
      mean.price = mean(.$price), 
      mean.sales = mean(.$sales)) %>%
   summarise(productId  = productId,
             elasticity = ifelse(is.na(coef(mod)[2]), -1, coef(mod)[2]) * 
                          mean.price / mean.sales)

#   productId elasticity
# 1         A -0.9133449
# 2         B -1.0305172

解释

使用library(dplyr)，您可以方便地进行分组计算：

• %>%是链式操作符，它通过将左参数作为右函数的第一个参数来使代码更易读。
• group_by告诉下一个命令要按列productId分组
• do用于计算模型和所需的平均值，在do中使用圆点.来引用整个data.frame
• summarise最后通过计算弹性来总结您的计算

要获得更多信息，请查看vignette("introduction")。

顺便说一句，您的代码非常慢，这并不奇怪，因为您使用循环，并且在循环的基础上增加循环中的数据。有关常见陷阱的一些教程，请查看inferno.pdf。

Answer 2

在这里，您如何优化代码

1)功能适用，适用，.比for循环快得多。

2)如果使用大数据，rbind和cbind是缓慢的。我建议您使用大量的列和行创建大data.frame (空)，然后填充它。

玩得开心!