R解析大数据帧 - 速度优化

Question

假设我有一个非常大的数据框，有2列和0.5 mil的行。 例如，几行可能是这样的：

# Start End 
# 89  100 
# 93  120 
# 95  125 
# 101  NA 
# 115  NA 
# 123  NA 
# 124  NA 

我想这个数据帧处理，输出看起来 像这样的数据帧：

# End  Start 
# 100  89, 93, 95 
# 120  101, 115 
# 125  123, 124 

什么是绝对的考虑到有 .5万行，最快的方法来做到这一点？ bgoldst提出了这段令人敬畏的代码：

# m is a large two column data frame 
end <- na.omit(m[,'V2']); 
out <- data.frame(End=end, 
Start=unname(sapply(split(m[,'V1'],findInterval(m[,'V1'],end [as.character(0:c(length(end)-1))],paste,collapse='.'))) 

但是这需要一点点时间。

感谢您的帮助！

可能的重复帖子的答案没有解决时间问题。 bgoldst的答案产生了期望的结果，但在我的电脑上很慢。我想知道是否还有更多的事情可以做，让这个运行更快。

Answer 1

与data.table的溶液可以更快：

library(data.table) 
dt = setDT(df)[, id:=findInterval(Start, End[!is.na(End)])][,paste(Start,collapse=','),id] 

result = data.frame(End = df$End[!is.na(df$End)],Start = dt$V1) 
# End Start 
#1 100 89,93,95 
#2 120 101,115 
#3 125  123