Как оптимизировать эти петли в R

Question

Я в процессе очистки данных и закончил с большим количеством петель for. Поскольку у моего набора данных больше 6 миллионов строк, для меня это проблема, но я не уверен, как этого избежать.

Пример моего набора данных (так называемый sentencing.df) будет что-то вроде:

Ethnicity  PersonNumber 

    Caucasian  1 
    Caucasian  1 
    Unknown  1 
    Indian  2 
    Indian  2 

Я хочу, чтобы сравнить в пределах одного человека числа - например, я хочу знать, является ли этнических групп для каждого число людей одинаково (а затем изменить неправильные записи, если они существуют). Мой код использует для петель и выглядит примерно так:

PersonListRace <- unique(sentencing.df[sentencing.df$ethnicity == "UNKNOWN",]$PersonNumber) 
PersonListRace <- as.numeric(as.character(PersonListRace)) 
# vector of person numbers for those with ethnicity UNKNOWN 

for (i in 1:100) { 
    race <- sentencing.df[sentencing.df$PersonNumber == PersonListRace[i],]$ethnicity 
    # creates a vector of unique ethnicities for that person 
    if (length(unique(race)) != 2) {next} 
    # excludes those who only have UNKNOWN or who have UNKNOWN plus multiple ethnicities 
    else { 
    label <- as.character(unique(race[which(race != "UNKNOWN")])) 
    sentencing.df[sentencing.df$PersonNumber == PersonListRace[i],]$ethnicity <- label 
    } 
} 

Я тогда подобные вещи для всех моих других переменных, и для петель принимать слишком долго, чтобы бежать. Я рассмотрел некоторые другие вопросы и ответы на сайте, но моя основная проблема заключается в том, что я не могу найти способ сравнения только внутри одного и того же номера человека по другой переменной без использования цикла for.

Все, что поможет мне достичь своей цели в практической сроки будет очень признателен :)

Answer 1

Ни один из моих проблем были рассмотрены в комментариях, так что я просто взять пример как в полной мере представлять сложности проблемы (хотя мой опыт в том, что вещи редко бывают настолько простыми);

dat <- read.table(text="Ethnicity  PersonNumber 
    Caucasian  1 
    Caucasian  1 
    Unknown  1 
    Indian  2 
    Indian  2", header=TRUE) 
dat$TrueEth <- with(dat, ave(Ethnicity, PersonNumber, 
           FUN=function(perE){ 
               unique(perE[perE != "Unknown"]) })) 

> dat 
    Ethnicity PersonNumber TrueEth 
1 Caucasian   1 Caucasian 
2 Caucasian   1 Caucasian 
3 Unknown   1 Caucasian 
4 Indian   2 Indian 
5 Indian   2 Indian 

Нерешенные вопросы, что делать с более чем одно значение для этнической принадлежности, и если ответ большинство правил, что делать, если есть равное количество не-Unknown.