如何从R

Question

我在R中有一个数据表，其中包含冒号分隔数据的文本列。我想返回结果的矩阵/数据表，其中为每个单元格返回一个分隔值。

下面粘贴的代码演示了问题，是一个有效的解决方案。但是，我的实际数据表很大（几千行和几列），粘贴的方法大约需要一两分钟才能完成。

我想知道是否有更有效的方法来执行此任务？看来，sep2中的fread选项在实施后对此问题非常有用。

谢谢！

> # Set up data.table
> DT <- data.table(A = c("cat:1:meow", "dog:2:bark", "cow:3:moo"),
                     B = c("dog:3:meow", "dog:4:bark", "frog:3:croak"),
                     C = c("dingo:0:moo", "cat:8:croak", "frog:1:moo"))
> print(DT)

        A            B           C
1: cat:1:meow   dog:3:meow dingo:0:moo
2: dog:2:bark   dog:4:bark cat:8:croak
3: cow:3:moo   frog:3:croak  frog:1:moo

# grab the second delimited value in each cell
> part_index <- 2
> f = function(x) {vapply(t(x), function(x) {unlist(strsplit(x, ":", fixed=T))[part_index]}, character(1))}

> sapply(DT, f)

    A   B   C  
[1,] "1" "3" "0"
[2,] "2" "4" "8"
[3,] "3" "3" "1"

Answer 1

1）sub 试试这个：

DT[, lapply(.SD, sub, pattern = ".*:(.*):.*", replacement = "\\1")]

，并提供：

   A B C
1: 1 3 0
2: 2 4 8
3: 3 3 1

2）fread 或使用fread：

DT[, lapply(.SD, function(x) fread(paste(x, collapse = "\n"))$V2)]

3）矩阵请注意，类似的代码适用于没有data.table的普通字符矩阵：

m <- as.matrix(DT)

replace(m, TRUE, sub(".*:(.*):.*", "\\1", m))

，并提供：

     A   B   C  
[1,] "1" "3" "0"
[2,] "2" "4" "8"
[3,] "3" "3" "1"

3a）更简单（没有正则表达式）将是：

replace(m, TRUE, read.table(text = m, sep = ":")$V2)

3b）或使用data.table中的fread：

replace(m, TRUE, fread(paste(m, collapse = "\n"))$V2)