Question

给定一个包含两列的数据框：

长度（元素长度）
findLengthOf（这是一串值）需要长度的元素的索引

因此，必须在第二列中找到所有索引的所有长度，并将结果放在第三列中。请看上面的例子，我们搜索1637的长度并获得1835：

> df$length[1637]
[1] 1835


head(df)
  length findLengthOf
1   6434 1637,386....
2   4272 4322,414....
3   7338 2052,639....
4   4932 190,1567....
5   2397 8963,844....
6   4405 103,4346....

    head(df)
  length findLengthOf           result
1   6434 1637,386.... 1835, 2404, 4689
2   4272 4322,414.... 1184, 2721, 7215
3   7338 2052,639.... 5253, 2998, 6153
4   4932 190,1567.... 2931, 6496, 7784
5   2397 8963,844.... 3796, 3488, 6555
6   4405 103,4346.... 1662, 5481, 1244

set.seed(123)
df <- data.frame(length = sample(1e4),
                 findLengthOf = I(replicate(1e4, paste(sample(1:10000,1),sample(1:10000,1),sample(1:10000,1),sep=","), simplify = FALSE)))

df$result=lapply(lapply(df$findLengthOf,strsplit,split=","), function(x){df[x[[1]],"length"]})

代码有效，但需要很长时间。我怎样才能提高速度？也是为什么

head(lapply(df$findLengthOf,strsplit,split=","))

总是返回这个奇怪的列表列表：

[[1]]
[[1]][[1]]
[1] "7744" "1346" "4626"

有没有办法避免这些双括号？非常感谢任何回复！

来自David的建议（set fixed = T）：

> ptm <- proc.time()
> df$result=lapply(lapply(df$findLengthOf,strsplit,split=",",fixed=T), function(x){df[x[[1]],"length"]})
> proc.time() - ptm
   user  system elapsed 
 17.220   0.000  17.147 
> ptm <- proc.time()
> df$result=lapply(lapply(df$findLengthOf,strsplit,split=","), function(x){df[x[[1]],"length"]})
> proc.time() - ptm
   user  system elapsed 
 17.260   0.000  17.142

Answer 1

这是一个完全vectotorized解决方案，但可能内存昂贵。我没有经过性能测试

library(data.table)
res <- matrix(df$length[unlist(setDT(df)[, 
              tstrsplit(findLengthOf, ",", fixed = TRUE, type.convert = TRUE)])],
              nrow = nrow(df))
df$result <- as.list(as.data.frame(t(res)))

性能在数据帧的两列中运行时出现问题

1 个答案: