Question

我有一种情况需要查看字符数据，并转换为数字或整数。我需要在data.table上执行此操作，并且在处理具有~1000列和1e6行的data.table时需要特别注意。有很多缺失或稀疏的数据，因此这是一个混杂的元素。

来自fread软件包的

data.table执行速度非常快，并且已经过csv文件（其他选项）的测试。

有没有办法将fread中使用的列标识应用于现有data.table？

否则，这是我正在考虑的方法（仍然太慢）：

虚拟数据：

library(data.table)

size = 1e6
resample <- function(x,size = 1e6) sample(x,size,replace = TRUE)

text <- c("Canada","Peru","Australia",
          "Angola","France","", NA_character_)
text2 <- c("Oh Canada.","Arriba Peru.",
           "Australia?","Vive la France.")
numerics <- rnorm(1e6)

dt <- data.table(
  id = as.character(1:1e6),
  i1 = resample(c(as.character(c(0:5,NA)),"")), # sometimes just blank
  i2 = resample(c(as.character(c(100:500,NA)))),
  n1 = as.character(round(rnorm(1e6),3)),
  t1 = resample(text),
  t2 = resample(text2)
)

str(dt)

到目前为止，我的方法是使用grep测试alpha列和文字.，然后编写一个简短函数来应用as.*作为标识。

decide <- data.frame(
  vars = names(dt),
  character = unlist(lapply(dt, function(x) length(grep("[a-z]",x)))),
  numeric = unlist(lapply(dt, function(x) length(grep("[.]",x))))
)

what_is_it <- function(character, numeric) {
  if(character == 0 & numeric == 0) {
    return("as.integer")
  }
  if(character > 0) {
    return("as.character")
  } 
  if(numeric > 0 & character == 0) {
    return("as.numeric")
  }
}

decide$fun <- apply(decide[-1], 1, function(x) what_is_it(x[1],x[2]))

for(var in decide$vars) {
  fun <- get(decide$fun[decide$vars == var])
  dt[, (var) := fun(get(var))]
  dt[]
}

system.time(source("https://gist.githubusercontent.com/1beb/183511b51d615751860204344a02c799/raw/91fcee73f24596ac6bdec00edaad944b5b1b7713/quick_convert.R"))

在我的机器上运行约3.5秒，但只有7列。

Answer 1

由user20650提供。答案是type.convert

识别并转换为数字/整数

1 个答案: