使用lapply（）在R中使用值列表进行筛选太慢了

Question

我有一个唯一的股票名称列表（大约1万2千个股票），它们的“先前最大收入”和相当大的数据框。数据框具有股票名称，收入，该收入的年份。例如：

AAPL | 2000 | 1,000
AAPL | 2001 | 1,200
AAPL | 2002 | 900
AMZN | 2000 | 300
AMZN | 2001 | 500
MSFT | 2000 | 600

我需要检查大数据框架中的股票在哪一年超过其“先前的最高收入”。由于每家公司都报告了不同年份的收入，因此有些公司具有2000-2002年的数据，有些公司具有更多的数据（2000-2005年），有些公司的数据较少（2000-2001年）。

我的方法是过滤股票名称。因此，我必须为每只股票执行此操作。这就是为什么我使用lapply（），但是它太慢了。

下面是我正在谈论的部分。

rec_year <- function(sym) {
  recovery_year <- (post_table %>% filter(tic==sym & ni > pre_max_table[pre_max_table$tic==sym]$ni))$fyear[1]
  return(recovery_year - pre_max_table[pre_max_table$tic==sym]$fyear)
}
YearsRecover <- unlist(lapply(tic_list,rec_year))

ni：净收入tic：股票名称fyear：会计年度

pre_max_table包含股票列表以及它们之前的最高收入。例如：AAPL | 2001 | 1,200AMZN | 2002 | 900MSFT | 2001 | 1000

post_table包含新数据以对照pre_max_table中的先前最大值进行检查

rec_year()函数首先检查pre_max_table中先前的最大净收入。然后，它检查股票名称sym在哪一年超过其前一个最大值。如果找到年份，则返回上一个最高收入年份与sym超过其自己的记录的年份之间的差额。然后，我使用lapply()将此rec_year()应用于tic_list

中的股票清单

我认为代码运行缓慢，因为它必须遍历许多tic名称（12k）。每次必须重新运行rec_year()函数时，都需要重新执行。

如果有人能提出更好/更快的方法来解决此问题，将不胜感激。

Answer 1

因为pre_max_table似乎是data.table，所以第一步，我想要setkey(pre_max_table, tic)，所以

  recovery_year <- (post_table %>% filter(tic==sym & ni > pre_max_table[pre_max_table$tic==sym]$ni))$fyear[1]

可以修改为

  recovery_year <- (post_table %>% filter(tic==sym & ni > pre_max_table[sym]$ni))$fyear[1]

然后我发现使用filter() 会降低代码的速度，因此我进一步修改为

  recovery_year <- post_table[post_table$tic==sym & post_table$ni > pre_max_table[sym]$ni, "fyear"][1]