在哪些情况下,这两种不同的实施方式会产生不同的结果?
data(mtcars)
firstWay <- mtcars[grepl('6',mtcars$cyl),]
SecondWay <- mtcars[mtcars$cyl=='6',]
如果这些方法始终给出相同的结果,建议使用哪种方法?为什么?感谢
答案 0 :(得分:3)
mtcars$cyl
是一个数字列,所以最好将它与使用mtcars [mtcars $ cyl == 6,]的数字进行比较。
但是,等于运算符==
和grepl
之间的区别在于==
对于向量成员TRUE
只会"6"
等于grepl
,String == grepl
6 TRUE TRUE
123456 FALSE TRUE
6ABC FALSE TRUE
This is a long sentence which happens to have a 6 in it FALSE TRUE
Whereas this long sentence does not FALSE FALSE
将匹配向量中任何位置为6的任何成员。
所以,例如:
grepl
等效fp = open('rankings.txt', 'r')
模式为“^ 6 $”。在http://www.regular-expressions.info/tutorial.html的正则表达式上有一个教程(许多之一)。
答案 1 :(得分:2)
嗯,我认为第一个区别在于grepl
,即使您还不知道,也可以进行子集,例如6
,但您可以尝试搜索开始或结束的行与6
。
如果您尝试使用普通的子集技术执行此操作,您将拥有一个空对象,因为,例如^6
,不会被识别为正则表达式,而是一个符号为^
的字符串, 6
。
我确信还有其他差异,但我相信专业用户会提供更详细的答案。
对于可能首选的人,可能有效率的原因:
system.time(mtcars[grepl('^6',mtcars$cyl),])
user system elapsed
0.029 0.002 0.035
system.time(mtcars[mtcars$cyl=='6',])
user system elapsed
0.031 0.002 0.046
这个小例子可以只是一个指南,而@Nick K建议首先进一步(和精确)调查必须使用microbenchmark
。当然,对于大数据集,我几乎不相信专业用户(或者需要速度的用户)会更喜欢这两种用户,但可能会依赖于数据表,或者用低级语言编写的dplyr
这样的工具等等快。
答案 2 :(得分:1)
使用软件包microbenchmark,我们可以看到哪个更快
library(microbenchmark)
m <- microbenchmark(mtcars[grepl('6',mtcars$cyl),], mtcars[mtcars$cyl=='6',], times=10000)
Unit: microseconds
expr min lq mean median uq max neval
mtcars[grepl("6", mtcars$cyl), ] 229.080 234.738 247.5324 236.693 239.417 6713.914 10000
mtcars[mtcars$cyl == "6", ] 214.902 220.210 231.0240 221.956 224.471 7759.507 10000
看起来==
更快,所以如果可能,你应该使用
但是,这些功能并不完全相同。 grepl
搜索字符串是否存在于所有字符==
检查表达式是否相等
grepl("6", mtcars$disp)
[1] TRUE TRUE FALSE FALSE TRUE FALSE TRUE TRUE FALSE TRUE TRUE FALSE FALSE FALSE FALSE TRUE FALSE
[18] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
mtcars$disp == "6"
[1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[18] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE