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
答案 0 :(得分:6)
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。