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。
答案 0 :(得分:-1)
由user20650提供。答案是type.convert