如何使用purrr替代嵌套循环高效创建多变量未来数据框

原代码性能问题根源 #

• 重复执行日期生成逻辑，每个循环都计算一次相同的52周序列，完全冗余
• 循环内反复调用rbind，每次都会全量复制已生成的数据框，数据量越大性能损耗越夸张
• 维度长度计算时重复调用unique，你提前提取的prods/class等本身已经是去重结果，重复计算无意义
• 额外提示：class是R的内置函数名，用作变量名可能触发偶发错误，建议重命名为prod_class等自定义名称

最高效通用实现（tidyverse原生） #

library(tidyverse)

# 提前提取所有维度的唯一值
dims <- lst(
  ProdLine = unique(sales$ProdLine),
  Class = unique(sales$Class),
  OrderType = unique(sales$Ordertype),
  rep = unique(sales$Rep),
  Type = unique(sales$Type)
)

# 生成所有维度全组合后批量关联未来日期，全程无循环无逐次绑定
Future_Frame <- crossing(!!!dims) %>% 
  mutate(Date = list(seq(max(sales$Date), by = "week", length.out = 52))) %>% 
  unnest(Date)

purrr专属实现 #

library(purrr)
library(dplyr)
library(tidyr)

# 提前一次性生成未来52周日期
future_dates <- seq(max(sales$Date), by = "week", length.out = 52)

# 生成维度全组合后用purrr批量关联日期
Future_Frame <- cross_df(dims) %>% 
  split(seq(nrow(.))) %>% 
  map_dfr(~ mutate(.x, Date = future_dates))

以上两种方案的运行效率相比原嵌套循环提升至少两个数量级，数据量越大优势越明显。

内容的提问来源于stack exchange，提问作者KBE11416