Question

我有一个更大的数据集（data.table，大约9米行），我想用一个列来聚合值（最小值和最大值等）。该列是各种其他列的组合，并具有基于字符串的格式，如下所示：

string <- "318XXXX | VNSGN | BIER"

为了在执行任务时获得一些速度，我想将其重新编码为一个唯一的整数。我定期用来处理数据的另一个应用程序有一个内置函数，它将一个字符串转换成一个整数的字符串（例如73823）。我想知道R中是否有类似的功能？这个想法是一个特定的字符串总是会产生相同的整数;这将允许它用于合并data.tables等。

这里是我想用简单整数值编码的data.table列的一个小例子：

sample <- c("318XXXX | VNSGN | BIER", "462XXXX | TZZZH | 9905", "462XXXX | TZZZH | 9905", 
"462XXXX | TZZZH | 9905", "511XXXX | FAWOR | 336H", "511XXXX | FAWOR | 336H", 
"652XXXX | XXXXR | T136", "652XXXX | XXXXR | T136", "672XXXX | BQQSZ | 7777", 
"672XXXX | BQQSZ | 7777")

我希望将字符串编码为表中的附加列，如下所示;请注意，相同的字符串会产生相同的数字。

String                      Number
318XXXX | VNSGN | BIER      19872
462XXXX | TZZZH | 9905      78392
462XXXX | TZZZH | 9905      78392
462XXXX | TZZZH | 9905      78392
511XXXX | FAWOR | 336H      23053
511XXXX | FAWOR | 336H      23053
652XXXX | XXXXR | T136      95832
652XXXX | XXXXR | T136      95832
672XXXX | BQQSZ | 7777      71829   
672XXXX | BQQSZ | 7777      71829

Answer 1

data.table包将为您创建索引，而不会让您明确地处理它们，因此它将比问题中的方法更少工作。请参阅data.table中的setkey函数。

同样，sqldf包可以使用sqldf home page上的示例4h和4i的SQL create index语句，就像任何数据库包一样。

基于字符串创建唯一的整数

1 个答案: