Question

我有一个角色向量

c1 <- c("BEL","BEL","BEL","BEL")

和另一个长度相同的字符向量

c2 <- c(" BEL-65_DRe-I_1p:BEL;_LTR_Retrotransposon;_Transposable_Element;_Nonautonomous;_BEL-65_DRe-I", "L1-2_NN_3p:L1;_Non-LTR_Retrotransposon;_Transposable_Element;_L1-2_NN", "BEL-13_CQ-I_1p:BEL;_LTR_Retrotransposon;_Transposable_Element;_BEL-13_CQ_;_BEL-13_CQ-LTR;_BEL-13_CQ-I", "BEL-31_CQ-I_1p:BEL;_LTR_Retrotransposon;_Transposable_Element;_BEL-31_CQ_;_BEL-31_CQ-LTR;_BEL-31_CQ-I", "Gypsy-22_CQ-I_1p:Gypsy;_LTR_Retrotransposon;_Transposable_Element;_Gypsy-22_CQ_;_Gypsy-22_CQ-LTR;_Gypsy-22_CQ-I")

我想知道c1中的c2中的每个字符串是否都在c1[1]中的相同索引处（忽略大小写），即如果c2[1]中找到c1[2]，{在c2[2]中{1}}，依此类推。在实践中，向量可以有数百万个元素。

我目前的解决方案是

test <- Map(function(x,y) grepl(x,y, ignore.case = T), c1, c2)

但它没有矢量化，因此相对较慢。有更好的解决方案吗？

Answer 1

运行得非常快：

library(stringi)
c1 <- stri_rand_strings(1e6, 2)
c2 <- paste0(stri_rand_strings(1e6, 20), tolower(c1))
system.time(res <- stri_detect(c2, fixed = c1, case_insensitive = TRUE))
       # User      System verstrichen 
       # 0.73        0.00        0.75

部分原因是因为我没有检查正则表达式模式，而是检查常量字符串（fixed），您也可以在grep*中使用它。

Answer 2

您可以使用stringr包尝试以下操作：

require(stringr)
require(data.table)

data <- data.table(c1, c2)
data[, FOUND:= str_detect(toupper(c2), toupper(c1))]

Answer 3

哪些方法也有效，因为您的解决方案是使用apply。对于这个小例子，它运行良好，如果对于更大的数据更快，我不知道。

apply(rbind(c1,c2), 2, function(y){grepl(pattern = y[1],x=y[2], ignore.case = T)})
[1]  TRUE FALSE  TRUE  TRUE FALSE

编辑：我不得不再添加一个“BEL”来使其工作，因为你的c1由4个元素组成，c2为5

R在另一个元素中找到矢量的字符串模式（按对）

3 个答案: