我试图计算100,000个字符串的向量中每个字符串的非字母数字字符的数量。我发现我目前的执行速度要慢一些。
我当前的实现使用purrr::map()
来映射一个自定义函数,该自定义函数在向量中的每个字符串上使用stringr
包。
library(dplyr)
library(stringr)
library(purrr)
# custom function that accepts string input and counts the number
# of non-alphanum characters
count_non_alnum <- function(x) {
stringr::str_detect(x, "[^[:alnum:] ]") %>% sum()
}
# character vector of length 100K
vec <- rep("Hello. World.", 100000)
# tokenize individual characters for each string
vec_tokens <- purrr::map(vec, function(x) {
stringr::str_split(x, "") %>% unlist()
})
# count non-alphanum characters
purrr::map(vec_tokens, count_non_alnum)
# Time difference of 1.048214 mins
sessionInfo()
# R version 3.4.3 (2017-11-30)
# Platform: x86_64-w64-mingw32/x64 (64-bit)
# Running under: Windows 7 x64 (build 7601) Service Pack 1
我的模拟始终需要大约1分钟才能完成。我没有太多期望的基础,但是我希望有更快的选择。我愿意接受其他R包或接口(例如网状,Rcpp)。