這篇文章介紹的是我平時寫程式遇到的各種小問題，以及解決他們的小技巧
#1.R語言讀取EXCEL
用R語言讀取EXCEL時，可以使用readxl包的read_excel函數，不要使用xlsx這個包，因為xlsx它要加載JAVA，很麻煩，而使用readxl不需要加載JAVA。
#2.如何在R中構造一個hash函數
這在R中或許有許多包能夠實作，但是，其實我們自己來實作也是很簡單的，要知道
environment
的原理也是一個hash函數，我們隻需要利用environment，來負責存儲我們所需要的映射清單就可以了。接下來我們可以利用
digest
包的散列函數
digest()
,這個函數可以将任意的R對象映射為一個md5值，或者sha1等，他的md5值就是我們所需要的key，以下是使用例子：
有如下這樣的資料
> df<-data.frame(x=1:4,y=2:5,z=3:6,k=4:7)
> df
x y z k
1 1 2 3 4
2 2 3 4 5
3 3 4 5 6
4 4 5 6 7
假設我想将x,y映射到z，将y,z映射為k，先定義兩個函數，一個是
SetKeyValue
，負責設定key,value對，第二個是
GetValue
，輸入一個key，傳回key對應的value。
library(digest)
SetKeyValue<-function(envir,key,value){
envir[[digest(key)]]<-value
return(envir)
}
GetValue<-function(envir,key){
return(envir[[digest(key)]])
}
hash<-new.env()
for(i in 1:nrow(df)){
hash<-SetKeyValue(hash,df[i,1:2],df[i,3])
hash<-SetKeyValue(hash,df[i,2:3],df[i,4])
}
這樣我們就得到了一個由environment構造的hash函數了，我們可以這樣去得到值：
> GetValue(hash,df[1,1:2]) #得到當x=1 y=2時的z值
[1] 3
當然，如果想要更快的速度，可以使用
fastdigest
這個包，裡面的散列函數比
digest
包要快，隻需将
digest()
替換成
fastdigest()
就可以了。
#3.如何用最快最簡單的方法加快R的執行速度？
答案是使用
compiler
包，這個包的作用就是将R代碼編譯成位元組碼，這在很多情況下都能加快運作的速度，當然也會有一些時候作用沒有那麼大，使用非常簡單，以下是一個使用例子：
> library(microbenchmark)
> library(compiler)
> f1<-function(){
+ x=1:100
+ for(i in 1:100){
+ x[i]=x[i]+1
+ }
+ }
> f2<-function(){
+ x=1:100
+ x+1
+ }
> f3<-cmpfun(f1)
> f4<-cmpfun(f2)
> microbenchmark(
+ f1(),
+ f2(),
+ f3(),
+ f4()
+ )
Unit: nanoseconds
expr min lq mean median uq max neval cld
f1() 170077 175453 178277.64 177652 179363 227746 100 c
f2() 978 1467 2028.94 1956 2444 5865 100 a
f3() 11730 12219 12873.79 12708 13196 20039 100 b
f4() 978 1466 1564.65 1467 1955 2933 100 a
可以看到編譯後的f3,f4跟編譯前的f1,f2,快了将近2倍到10倍，這麼簡單就能提升運作速度，何樂而不為呢？
我寫的一個小代碼，可以批量地把環境變量中所有的函數都編譯一次：
funlist<-c(lsf.str())
for(f in funlist){
assign(f,cmpfun(get(f)))
}
如何想要更快，可以參考Windows使用OpenBLAS加速R語言計算速度
#4.如何讀取一個檔案夾所有的檔案？
我們可以利用
list.files
進行比對，通過其中參數
pattern
可以填寫正規表達式，用來比對檔案夾下滿足條件的檔案名。然後再利用
lapply
來導入檔案。
filenames <- list.files("C:/Users/qj/Desktop/demo_data/", pattern = ".txt")
datalist <- lapply(filenames, function(name) {
read.table(paste0("C:/Users/qj/Desktop/demo_data/", name),sep=',',header = T)
})
#5.如何把data.frame按照行來對應生成清單
> set.seed(1)
> df <- data.frame(i=3:1, y = runif(3))
> df
i y
1 3 0.2655087
2 2 0.3721239
3 1 0.5728534
我想把這個data.frame變成一個list 并且i要與list中的序号對應。
解決方法如下：
> i=df$i
> df=df[,2]
> dflist<-split(df,i)
> names(dflist)<-NULL
> dflist
[[1]]
[1] 0.5728534
[[2]]
[1] 0.3721239
[[3]]
[1] 0.2655087
#6.如何标記每個組别中出現的次數，他們出現的順序。
有這麼個資料：
> df=data.frame(group=c(1,1,2,2,3,3,3))
> df
group
1 1
2 1
3 2
4 2
5 3
6 3
7 3
現在想添加一列，标記的id列，讓它變成：
group id
1: 1 1
2: 1 2
3: 2 1
4: 2 2
5: 3 1
6: 3 2
7: 3 3
可以利用data.table實作：
> dt<-data.table(df)
> dt[,id:=1:.N,by=group]
> dt
group id
1: 1 1
2: 1 2
3: 2 1
4: 2 2
5: 3 1
6: 3 2
7: 3 3
#7.R語言讀取SPSS格式檔案
可以使用
library(memisc)
這個包，雖然foreign也能做到，但是有的時候格式會很混亂，而memisc就可以完美讀取。
#8.R語言for循環的小貼士
看一個例子，這個例子是一個簡單的for循環，它在大部分情況下是沒有任何問題的。
n=nrow(x)
for(i in 1:n){
x[i]
}
但是如果當x是一個空值時，這就會出問題了，當x是空值時，我們并不希望這個for循環會執行，但是在這裡n=0，那麼i in 1:0 就會産生1和0，這就會導緻出現各種各樣的錯誤，而且這些錯誤并不固定，它會随着你的for循環裡面的内容改變而改變，進而很難定位bug的所在。一個解決的方法是，我們可以使用
seq.int(length.out = n)
循環來代替1:n
n=nrow(x)
for(i in seq.int(length.out = n)){
x[i]
}
這樣當n=0的時候，這個循環就不會執行了。
#9.使用foreach包并行計算時看到裡面print的方法
在linux的時候，我們可以在makeCluster上加上
outfile=""
使用
""
就會預設輸出到控制台，不過這個功能在windows好像不能用，在windows的時候建議輸出到檔案裡，
outfile="d:/log.txt"
，這樣就可以了。
library(parallel)
library(foreach)
library(doParallel)
cl<-makeCluster(2,outfile="d:/log.txt") #work for windows
cl<-makeCluster(2,outfile="") #work for linux
registerDoParallel(cl)
x <- foreach(i=1:100,.combine = rbind,.inorder = F) %dopar% {
print(i)
sqrt(i)
}
stopCluster(cl)
将任意對象與字元串互相轉換
## an object that you want to recreate
m2 <- matrix(1:4,2,2)
## use capture.output to save structure as a string in a varible
xx <- capture.output(dput(m2))
## recreate the object
m2_ <- eval(parse(text=xx))
作為分享主義者(sharism)，本人所有網際網路釋出的圖文均遵從CC版權，轉載請保留作者資訊并注明作者a358463121專欄:http://blog.csdn.net/a358463121，如果涉及源代碼請注明GitHub位址：https://github.com/Jie-Qiao。商業使用請聯系作者。
![IBM Power程式設計馬拉松——以“碼”會友，把手言歡！[圖]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACwAAAAAAQABAAACAkQBADs=)