Question

R中的两个数据帧都包含IP地址字段。在每个数据帧中，这些字段是“因子”。用户打算基于这些IP地址以及一些其他字段合并两个数据帧。问题是每个数据帧都有不同的IP格式：

Dataframe A examples: 123.456.789.123, 123.012.001.123, 987.001.010.100

Dataframe B中的相同IP格式为：

Dataframe B examples: 123.456.789.123, 123.12.1.123, 987.1.10.100

从A中删除前导零或将它们添加到B以便在合并中使用它们的最佳（最有效）方法是什么？该操作将在数百万条记录上执行，因此“最有效”是考虑到计算时间（需要相对较快）。

Answer 1

您可以使用sprintf格式化各个部分。例如，对于给定的数值a：

，您可以执行以下操作

b <- sprintf("%.3d", a)

因此，对于IP地址，请尝试以下功能：

printPadded <- function(x){
  retStr = paste(sprintf("%.3d",unlist(lapply(strsplit(x,"\\.", perl = TRUE), as.numeric))), collapse = ".")
  return(retStr)
}

以下是两个例子：

> printPadded("1.2.3.4")
[1] "001.002.003.004"

> lapply(c("1.2.3.4","5.67.100.9"), printPadded)
[[1]]
[1] "001.002.003.004"

[[2]]
[1] "005.067.100.009"

要向另一个方向前进，我们可以使用gsub函数中的分割值printPadded删除前导零。对于我的钱，我建议不要删除前导零。没有必要删除零（或填充它们），但固定宽度格式更容易阅读和排序（即对于那些排序函数的词典）。

更新1：只是速度建议：如果您正在处理大量IP地址，并且真的想加快速度，那么您可能会考虑多核方法，例如mclapply。 plyr包也很有用，ddply()作为一个选项。这些还通过.parallel = TRUE支持并行后端。尽管如此，即使在单核上，几百万个IP地址也不会花费很长时间。

Answer 2

另一种方式是这样的：

my @ipparts = split(/\./, $ip);
for my $ii (0..$#ipparts)
{
    $ipparts[$ii] = $ipparts[$ii]+0;
}
$ip = join(".", @ipparts);

比sprintf需要的很多分歧更好。

如何有效地删除（或添加）R中IP地址的前导零？

2 个答案: