Question

我有一个关于在data.frame或data.table中删除前导空格的问题。

我有工作解决方案，但我正在努力加快我的代码。

以下是一些示例数据：

number_strings <- paste("  ",seq(from=1, to=100000, by=1),"  ",sep="")

data <- as.data.frame(matrix(number_strings,nrow=length(number_strings),ncol=10),stringsAsFactors=FALSE)
colnames(data) <- paste("Col",seq(from=1, to=ncol(data), by=1),sep="")

以下是我想修剪的一些专栏：

odd_columns <- paste("Col",seq(from=1, to=ncol(data), by=2),sep="")

到目前为止，我有三个选项：

f_trim_for <- function(x,cols){
  for(i in 1:length(cols))
  {
    x[,cols[i]] = trim(x[,cols[i]])
  }
  return(x)
} 
system.time(data1 <- f_trim_for(data,odd_columns)) 

f_gsub_for <- function(x,cols){
  for(i in 1:length(cols))
  {
    x[,cols[i]] <- gsub("^\\s+|\\s+$", "", x[,cols[i]], perl = TRUE)
  }
  return(x)
} 
system.time(data2 <- f_gsub_for(data,odd_columns)) 

f_trim_dt <- function(x,cols){
  data.table(x)[, (cols) := trim(.SD), .SDcols = cols]
} 
system.time(data3 <- f_trim_dt(data,odd_columns))

以下是时间：

              user  system elapsed 
f_trim_for    1.50    0.08    1.92 
f_gsub_for    0.75    0.00    0.74 
f_trim_dt     0.81    0.00    1.17

我的问题：还有其他方法我不会考虑更快吗？

原因是我的实际数据是150万行和110列。因此，速度是一个主要问题。

我尝试了其他一些选项，但它们无效：

f_gsub_dt <- function(x,cols){
  data.table(x)[, (cols) := gsub("^\\s+|\\s+$", "", .SD, perl = TRUE), .SDcols = cols]
} 

f_set_dt <- function(x,cols){
 for (j in cols)
 {
   set(x,x[[j]],j,gsub("^\\s+|\\s+$", "", j, perl = TRUE))
 }  
 return(x)
}

Answer 1

使用colwise中的plyr和str_trim中的stringr。

require(plyr)
require(stringr)
data[, odd_columns] <- colwise(str_trim)(data[, odd_columns])

Answer 2

使用dplyr和基函数trimws，您可以一次修剪所有字符列;

mutate_if(data, is.character, funs(trimws(.)))

使用gsub，trim等修剪data.frame或data.table中的列

2 个答案: