我想快速将字符向量列表转换为数字向量列表。我试图避免purrr::map()
,lapply()
等。我最终得到了stringr
操作输出中的字符向量列表。我愿意使用Rcpp
或R&C的内部C语言。这是filesstrings
包的内容。 C ++标准库提供了stod()
中定义的<string>
,但它的行为不像as.numeric()
,例如它转换了&#34; 12a&#34;数字12,但我喜欢as.numeric()
为此返回NA
的方式。以下是我现在的做法。
nums_as_chars <- stringr::str_extract_all(c("a1b2", "c3d4e5", "xyz"), "\\d")
nums_as_chars
#> [[1]]
#> [1] "1" "2"
#>
#> [[2]]
#> [1] "3" "4" "5"
#>
#> [[3]]
#> character(0)
nums <- purrr::map(nums_as_chars, as.numeric)
nums
#> [[1]]
#> [1] 1 2
#>
#> [[2]]
#> [1] 3 4 5
#>
#> [[3]]
#> numeric(0)
由reprex package(v0.2.0)创建于2018-04-04。
答案 0 :(得分:4)
好的,所以我创建了一个更真实的示例,其中包含3000个字符串来进行一些分析,并尝试了我能想到的各种方法。
character_vector <- rep(c("a1b2", "c3d4e5", "xyz"), 1000)
try_1 <- function(chars){
extracted_numbers <- stringr::str_extract_all(chars, "\\d")
lapply(extracted_numbers, as.numeric)
}
try_2 <- function(chars){
extracted_numbers <- stringr::str_extract_all(chars, "\\d")
purrr::map(extracted_numbers, as.numeric)
}
try_3 <- function(chars){
extracted_numbers <- stringr::str_extract_all(chars, "\\d")
relist(as.numeric(unlist(extracted_numbers)), extracted_numbers)
}
try_4 <- function(chars){
convert_fun <- function(x){as.numeric(stringr::str_extract_all(x, "\\d")[[1]])}
lapply(chars, convert_fun)
}
# if you don't need to keep the list ...
try_5 <- function(chars){
extracted_numbers <- stringr::str_extract_all(chars, "\\d")
suppressWarnings(as.numeric(unlist(extracted_numbers)))
}
microbenchmark::microbenchmark(try_1(character_vector),
try_2(character_vector),
try_3(character_vector),
try_4(character_vector),
try_5(character_vector))
#> Unit: milliseconds
#> expr min lq mean median
#> try_1(character_vector) 2.701769 2.866486 3.304917 3.005177
#> try_2(character_vector) 3.936557 4.295735 4.872892 4.391737
#> try_3(character_vector) 12.441844 13.317455 15.759840 14.250013
#> try_4(character_vector) 183.180143 187.789907 191.298661 190.073565
#> try_5(character_vector) 1.846848 1.964761 2.090801 2.026860
#> uq max neval
#> 3.275250 10.569255 100
#> 4.726425 17.007687 100
#> 16.995679 49.983457 100
#> 193.012754 215.532544 100
#> 2.105214 4.396379 100
请注意,单位是毫秒,对于3000个条目,执行3000列表需要lapply
3毫秒。这对我来说似乎不合理。
purrr::map
解决方案非常接近lapply
,然后@roland解决方案更长,然后我的第一个想法是很多更糟糕。如果你不关心 list 结构(我想你会这么做),那么你可以减少到2毫秒。
答案 1 :(得分:2)
您没有提供任何适合合理基准的内容。所以,自己测试一下:
relist(as.numeric(unlist(nums_as_chars)),
nums_as_chars)
#[[1]]
#[1] 1 2
#
#[[2]]
#[1] 3 4 5
#
#[[3]]
#numeric(0)
答案 2 :(得分:2)
C ++标准库提供了
stod()
中定义的<string>
,但它的行为与as.numeric()
不同,例如它将"12a"
转换为数字12
,但我喜欢as.numeric()
为此返回NA
的方式。
这部分很容易解决:只需use the second parameter of the function验证输入已被消耗:
Rcpp::NumericVector as_numeric(std::string const& str) {
std::size_t pos;
double value = std::stod(&str[0], &pos);
return NumericVector::create(pos == str.size() ? value : NA_REAL);
}
〉 as_numeric('12')
[1] 12
〉 as_numeric('12a')
[1] NA
......显然,这应该是为了表现而进行矢量化。
答案 3 :(得分:1)
受@ Konrad的回答启发,我使用Rcpp
编码了以下内容。
NumericVector char_to_num(CharacterVector x) {
std::size_t n = x.size();
if (n == 0) return NumericVector(0);
NumericVector out(n);
for (std::size_t i = 0; i != n; ++i) {
std::string x_i(x[i]);
double number = NA_REAL;
try {
std::size_t pos;
number = std::stod(x_i, &pos);
number = ((pos == x_i.size()) ? number : NA_REAL);
} catch (const std::invalid_argument& e) {
; // do nothing
}
out[i] = number;
}
return out;
}
// [[Rcpp::export]]
List lst_char_to_num(List x) {
std::size_t n = x.size();
List out(n);
for (std::size_t i = 0; i != n; ++i)
out[i] = char_to_num(x[i]);
return out;
}
这lst_char_to_num()
原来是最好的答案。我将它与目前为止我最喜欢的答案进行比较,这些答案来自@rmflight try1
,try2
和try3
。到目前为止try1
是最快的(在一个大数据集上,这是我担心的)。我已经完成了stringr
操作,因为我想纯粹评估列表转换的速度。
character_vector <- rep(c("a1b2", "c3d4e5", "xyz"), 1000)
extracted_numbers <- stringr::str_extract_all(character_vector, "\\d")
try_1 <- function(char_list) {
lapply(char_list, as.numeric)
}
try_2 <- function(char_list) {
purrr::map(char_list, as.numeric)
}
try_3 <- function(char_list) {
relist(as.numeric(unlist(char_list)), char_list)
}
microbenchmark::microbenchmark(try_1(extracted_numbers),
try_2(extracted_numbers),
try_3(extracted_numbers),
lst_char_to_num(extracted_numbers),
times = 1000)
Unit: microseconds
expr min lq mean median uq max neval cld
try_1(extracted_numbers) 1068.823 1334.9060 1518.7589 1477.7825 1559.791 5318.318 1000 b
try_2(extracted_numbers) 2029.832 2581.6655 2974.4126 2856.8560 3057.930 9846.862 1000 c
try_3(extracted_numbers) 10015.929 12261.6405 14043.5922 13188.8465 14802.795 165217.152 1000 d
lst_char_to_num(extracted_numbers) 500.858 681.5895 827.5021 765.9505 830.311 6744.985 1000 a
答案 4 :(得分:-1)
这是一个基本解决方案,对于小例子来说更快,但对于@ rmflight扩展基准测试来说速度较慢:
this.takePicture.bind(this);
仅供参考,另一种解决方案,但速度较慢:
this.takePicture