替换R语言中多条件行计数的嵌套循环，实现高效代码

问题背景 #

之前依赖嵌套循环处理以下逻辑：针对分组数据（如不同海狸），逐行完成三个操作：

1. 统计同组内当前行时间前100秒内的测量行数
2. 统计该时间窗口内温度高于37的行数
3. 根据两者比例分配Low/Medium/High类别

嵌套循环在大数据集下效率低下，需改用dplyr或向量化方法优化，同时保证代码易读可分享。

优化方案1：dplyr + purrr 实现清晰的分组窗口统计 #

利用dplyr分组特性结合purrr的map函数，替代逐行循环，代码结构清晰，适合中等规模数据集：

library(dplyr)
library(purrr)

# 构建示例数据（与原代码一致）
beaver_data <- bind_rows( 
  beaver1 %>% mutate(beaver = "1"),
  beaver2 %>% mutate(beaver = "2")
) %>%
  filter(!(beaver == "1" & day == 347)) %>%
  filter(!(beaver == "2" & day == 308))

# 分组处理时间窗口统计与类别分配
beaver_data_opt <- beaver_data %>%
  group_by(beaver) %>%
  mutate(
    # 为每行生成对应时间窗口内的同组数据子集
    window_data = map(time, ~filter(cur_data(), between(time, .x - 100, .x))),
    # 统计窗口内总行数
    count_total = map_int(window_data, nrow),
    # 统计窗口内温度>37的行数
    count_high_temp = map_int(window_data, ~sum(.x$temp > 37)),
    # 计算比例并分配类别
    ratio = count_high_temp / count_total,
    class = case_when(
      ratio < 0.5 ~ "Low",
      ratio < 1 ~ "Medium",
      TRUE ~ "High"
    )
  ) %>%
  # 移除中间辅助列（可选，按需保留）
  select(-window_data) %>%
  ungroup()

优化方案2：slider包实现高效滚动窗口（适合大数据集） #

如果数据集规模很大，推荐使用slider包的滚动窗口函数，它基于向量化实现，效率远高于逐行处理：

library(dplyr)
library(slider)

# 构建示例数据
beaver_data <- bind_rows( 
  beaver1 %>% mutate(beaver = "1"),
  beaver2 %>% mutate(beaver = "2")
) %>%
  filter(!(beaver == "1" & day == 347)) %>%
  filter(!(beaver == "2" & day == 308))

# 高效滚动窗口统计
beaver_data_opt_slider <- beaver_data %>%
  group_by(beaver) %>%
  arrange(time) %>% # 必须先按时间排序，保证滚动窗口逻辑正确
  mutate(
    # 统计当前时间前100秒内的总行数
    count_total = slide_index_dbl(time, time, ~nrow(.x), .before = 100),
    # 统计当前时间前100秒内温度>37的行数
    count_high_temp = slide_index_dbl(time, time, ~sum(.x$temp > 37), .before = 100),
    # 计算比例并分配类别
    ratio = count_high_temp / count_total,
    class = case_when(
      ratio < 0.5 ~ "Low",
      ratio < 1 ~ "Medium",
      TRUE ~ "High"
    )
  ) %>%
  ungroup()

方案优势 #

• 完全替代嵌套循环，避免逐行迭代的性能损耗
• 代码模块化，分组逻辑、窗口统计、类别分配分离，便于同事理解和维护
• 两种方案适配不同数据规模：dplyr+purrr侧重可读性，slider侧重大数据集效率

内容的提问来源于stack exchange，提问作者Stephen Hilton