在数据帧列表上应用函数的有效方法

时间:2016-12-20 11:07:29

标签: r dataframe apply lapply

我在R中有一个数据帧列表。我需要做的是将函数应用于每个数据帧,在这种情况下删除特殊字符,并返回一个数据帧列表。

使用lapplyas.data.frame,以下工作正常并提供我所需要的内容:

my_df =data.frame(names = seq(1,10), chars = c("abcabc!!", "abcabc234234!!"))
my_list = list(my_df, my_df, my_df)

#str(my_list)
List of 3
 $ :'data.frame':   10 obs. of  2 variables: ...

new_list <- lapply(my_list, function(y) as.data.frame(lapply(y, function(x) gsub("[^[:alnum:][:space:]']", "", x))))

# str(new_list)
List of 3
 $ :'data.frame':   10 obs. of  2 variables:
  ..$ names: Factor w/ 10 levels "1","10","2","3",..: 1 3 4 5 6 7 8 9 10 2
  ..$ chars: Factor w/ 2 levels "abcabc","abcabc234234": 1 2 1 2 1 2 1 2 1 2
 $ :'data.frame':   10 obs. of  2 variables:
  ..$ names: Factor w/ 10 levels "1","10","2","3",..: 1 3 4 5 6 7 8 9 10 2
  ..$ chars: Factor w/ 2 levels "abcabc","abcabc234234": 1 2 1 2 1 2 1 2 1 2
 $ :'data.frame':   10 obs. of  2 variables:
  ..$ names: Factor w/ 10 levels "1","10","2","3",..: 1 3 4 5 6 7 8 9 10 2
  ..$ chars: Factor w/ 2 levels "abcabc","abcabc234234": 1 2 1 2 1 2 1 2 1 2

但我想知道是否有一种更有效的方式不需要嵌套lapply。也许是一个不同的apply-family函数,它将元素作为数据框返回?

2 个答案:

答案 0 :(得分:4)

我们不需要嵌套lapply,只需一个lapply transform就可以了

lapply(my_list, transform, chars = gsub("[^[:alnum:][:space:]']", "", chars))

可以使模式紧凑到"[^[[:alnum:] ']"

答案 1 :(得分:1)

虽然@akrun是正确的,你的第二个lapply调用在这个例子中是无用的,但我认为它并没有解决许多列可能相关的一般情况,并且它可能是未知的。

这里的低效率是转换回as.data.frame,而不是内部lapply调用。 lapply调用本身几乎与将函数应用于单个向量或相同大小的矩阵一样快。

如果你真的想在这里提高效率,我会建议使用data.table。我已经让这个例子变得更大了,所以我们可以计时。

library(data.table)

f <- function(x) gsub("[^[:alnum:][:space:]']", "", x)

my_df <- as.data.frame(matrix(paste0(sample(c(letters,'!'), size=1000000, replace=T),
                                 sample(c(letters,'!'), size=1000000, replace=T)), 
                                 ncol=250), stringsAsFactors = FALSE)
my_list = list(my_df, my_df, my_df)

system.time(lapply(my_list, function(y) as.data.frame(lapply(y, f))))
# 2.256 seconds

my_dt <- as.data.table(my_df)
my_list2 = list(my_dt, my_dt, my_dt)

system.time(lapply(my_list2, function(y) y[,lapply(.SD,f)]))
# 1.180 seconds