Question

R中执行以下操作的有效且简单的方法是什么：

从文件中读取两列数据
使用此信息构建某种翻译字典，如python dict
将翻译应用于向量的内容，以获得翻译的向量，可能是几个向量，但使用相同的对应信息

我认为hash package会帮助我做到这一点，但我不确定我是否正确执行了第3步。

说我的初始向量是my_vect，我的哈希是my_dict 我尝试了以下方法： values(my_dict, keys=my_vect)

以下观察让我怀疑我是以正确的方式做到这一点：

操作似乎很慢（在功能强大的桌面计算机上超过一秒，矢量为582个条目，散列为46665个条目）
my_vec导致某些内容看起来不均匀：my_vec显示为“数字索引”（我的意思是方括号之间的整数出现在值的一侧）在交互式控制台中显示数据），如上所述调用values的结果看起来仍然看起来像字典：每个显示的翻译值都具有显示在其上方的原始值（即散列键）。我只想要价值观。

编辑：

如果我理解正确，R有一些方法可以使用“名称”代替向量的数字索引，而我使用values函数获得的是带有名称的向量。它似乎适用于我想做的事情，虽然我想它需要的内存比必要的多。

Answer 1

我尝试了库哈希和hashmap，第二个看起来效率更高。

一个小用法示例：

> library(hashmap)
> keys = c("a", "b", "c", "d")
> values = c("A", "B", "C", "D")
> my_dict <- hashmap(keys, values)
> my_vect <- c("b", "c", "c")
> translated <- my_dict$find(my_vect)
> translated
[1] "B" "C" "C"

要从使用read.table获得的表格构建字典，必须使用stringsAsFactors = FALSE的{{1}}选项，否则会发生奇怪的事情（请参阅{{3的评论中的讨论}}）。

Answer 2

您是否尝试过stringr包中的str_replace_all函数？

假设您有一个包含dict列和original列的词典数据框replacement。以下代码替换了向量中替换的所有原始实例。

library(stringr)
translations <- setNames(dict$replacement, dict$original)
new_vect <- str_replace_all(vect, fixed(translations))

我不确定它是否实现了散列，但底层表达式是来自stringi包的C代码，所以它应该很快。

如果original中的某些字词包含original中的其他字词，则唯一不会按原样运作的情况。在这种情况下，您需要将正则表达式start-string（^）或end-string（$）标记添加到要替换的原始字符串中。

translations <- setNames(dict$replacement, paste0("^", dict$original, "$"))

使用对应表翻译R中的向量元素

编辑：

2 个答案: