Hola Mª Luz, ¿A qué tipo de cálculos complejos te refieres?.
Con data.table puedes definir operaciones (con la complejidad que quieras) para un conjunto de filas, agrupándolas por columnas y más... Su sintaxis es muy compacta pero a poco que la utilizas acabas encontrando la forma de hacer las cosas sin muchos pasos intermedios. Pero puedes hacerlo menos compacto y quizás más comprensible. Y sobre la eficiencia de data.table comparándolo con otras alternativas aquí viene una comparativa: http://stackoverflow.com/questions/4322219/whats-the-fastest-way-to-merge-join-data-frames-in-r Aunque desde la aparición de dplyr, la duda aparece sobre si es más conveniente data.table o dplyr. Aquí hay otro hilo que los compara, teniendo en cuenta diferentes atributos: http://stackoverflow.com/questions/21435339/data-table-vs-dplyr-can-one-do-something-well-the-other-cant-or-does-poorly/27718317#27718317 ¿Qué volúmen de datos quieres procesar? Y...¿quieres algo más rápido que menos de un segundo?... Saludos, Carlos Ortega www.qualityexcellence.es El 29 de mayo de 2015, 15:50, MªLuz Morales <mlzm...@gmail.com> escribió: > Hola, quiero compartir con vosotros mi problema y la solución que me han > planteado. Mi programa carga Outcomes.csv y Set-A.csv (descargados de > http://garrickadenbuie.com/blog/2013/04/11/visualize-physionet-data-with-r/ > , > apartado Getting Started --> the code and the data set) de unos 50MB entre > los dos. Mi código era: > > > # Transforma csv a data frame > seta <- read.csv('Set-A.csv'); > outcomes <- read.csv('Outcomes-A.csv'); > > ids <- as.character(unique(outcomes$RecordID)); > ## Número de RecordsID distintos > Length_ids <- length(ids); #número de RecordsID distintos > ListaABP <- list('RecordID'=-1,'SAPS.I'=-1, 'SOFA'=-1, 'Survival'=-1, > 'In.hospital_death'=-1, 'NISysABP_Min'=-1,'NISysABP_Max'=-1, > 'NISysABP_Mean'=-1, 'NIDiasABP_Min'=-1,'NIDiasABP_Max'=-1, > 'NIDiasABP_Mean'=-1,'NIMAP_Min'=-1,'NIMAP_Max'=-1, 'NIMAP_Mean'=-1); > for (i in 1:Length_ids){#NumRecordID){ # Para cada paciente... > > ListaABP$RecordID[i] <- outcomes$RecordID[i]; > ListaABP$SAPS.I[i] <- outcomes$SAPS.I[i]; > ListaABP$SOFA[i] <- outcomes$SOFA[i]; > ListaABP$Survival[i] <- outcomes$Survival[i]; > ListaABP$In.hospital_death[i] <- outcomes$In.hospital_death[i]; > > # Parameter == 'NISysBP' > #seta_NISysABP <- seta[seta$RecordID == ids[i] & seta$Parameter == > 'NISysABP' , c('RecordID','Value')] ; > seta_NISysABP <- seta[seta$RecordID == ids[i] & seta$Parameter == > 'NISysABP' , 'Value'] ; #Creo que esto ya no sería un dataframe, por lo que > en la siguiente línea puede dar error > ListaABP$NISysABP_Min[i] <- min(seta_NISysABP); > ListaABP$NISysABP_Max[i] <- max(seta_NISysABP); > ListaABP$NISysABP_Mean[i] <- mean(seta_NISysABP); > > # Parameter == 'NIDiasABP' > #seta_NIDiasABP <- seta[seta$RecordID == ids[i] & seta$Parameter == > 'NIDiasABP' , c('Time','Value')] ; #En este caso la forma de hacer el min > sería ...min(seta_NIDiasABP$Value); > seta_NIDiasABP <- seta[seta$RecordID == ids[i] & seta$Parameter == > 'NIDiasABP' , 'Value'] ; > ListaABP$NIDiasABP_Min[i] <- min(seta_NIDiasABP); > ListaABP$NIDiasABP_Max[i] <- max(seta_NIDiasABP); > ListaABP$NIDiasABP_Mean[i] <- mean(seta_NIDiasABP); > > # Parameter == 'NIMAP' > #seta_NIMAP <- seta[seta$RecordID == ids[i] & seta$Parameter == 'NIMAP' , > c('Time','Value')] ; > seta_NIMAP <- seta[seta$RecordID == ids[i] & seta$Parameter == 'NIMAP' , > 'Value'] ; > ListaABP$NIMAP_Min[i] <- min(seta_NIMAP); > ListaABP$NIMAP_Max[i] <- max(seta_NIMAP); > ListaABP$NIMAP_Mean[i] <- mean(seta_NIMAP); > > }#for i > > Tabla <- data.frame(ListaABP); > #+++++++++++++++++++++++++++++++++++++++++++++++++ > > Este código tardaba 3 horas en ejecutarse. La solución que me han propuesto > es usar data.table en lugar de data.frame y ahora tarda 1 segundo > aproximadamente en ejecutarse y es este: > > #------------- > library(data.table) > datSet <- fread("Set-A.csv") > resOut <- datSet[, .(ValMax=max(Value), ValMin=min(Value), > ValAvg=mean(Value)), by=c("RecordID","Parameter")] > resOut$RecordID <- as.factor(resOut$RecordID) > setkey(resOut, RecordID) > head(datSet) > datOutcome <- fread("Outcomes-A.csv") > datOutcome$RecordID <- as.factor(datOutcome$RecordID) > setkey(datOutcome, RecordID) > head(datOutcome) > #resEnd <- merge(resOut, datOutcome, by="RecordID", all=TRUE, > allow.cartesian=FALSE) > resEnd <- resOut[datOutcome] > head(resEnd) > setkey(resEnd, Parameter) > #Ejemplo para conseguir uno o varios parametros. > myRes <- resEnd[c("NISysABP","NIDiasABP","NIMAP")] > head(myRes) > #-------------- > > Tengo una pregunta, data.table es lo más eficiente para procesar grandes > cantidades de datos?, es fácil de manejar si quieres realizar cálculos > complejos además de reorganizar tablas...?? > > Gracias > Un saludo > > [[alternative HTML version deleted]] > > _______________________________________________ > R-help-es mailing list > R-help-es@r-project.org > https://stat.ethz.ch/mailman/listinfo/r-help-es > -- Saludos, Carlos Ortega www.qualityexcellence.es [[alternative HTML version deleted]] _______________________________________________ R-help-es mailing list R-help-es@r-project.org https://stat.ethz.ch/mailman/listinfo/r-help-es
