Question

我有一个data.table，其中第2列到第20列是带空格的字符串（例如，“物种名称”）。我想同时在所有这些列上运行str_replace()，因此所有“Species Name”都变为“Species_Name”。我可以这样做：

data.table(apply(as.data.frame(dt[,2:dim(dt)[2], with=F]), 2, 
                               function(x){ str_replace(x," ","_") }))

或者如果我将其保留为data.table个对象，那么我可以一次执行此列：

dt[,SpeciesName := str_replace(SpeciesName, " ", "_")

如何对所有第2列到最后一行执行此操作？类似于上面的那个？

Answer 1

在2015-11-24完全重写，修复以前版本中的错误。

您有几个选择。

使用嵌入式调用处理所有目标列 lapply()，使用:=分配修改后的值。这个依靠:=非常方便的支持同时分配到其LHS上命名的几个列。
使用for循环一次一个地运行目标列，使用set()依次修改每个值。
使用for循环迭代多个＆＃34;天真＆＃34;电话到[.data.table()，每个修改一列。

这些方法似乎都同样快，所以你使用哪种方法主要是品味问题。（1）非常紧凑表现力。它是我经常使用的，尽管你可能会发现（2）更容易阅读。因为他们一次一个地处理和修改列，所以（2）或（3）将在极少数情况下具有优势，在这种情况下，您的data.table非常大，以至于您有可能遇到限制由你的R会议的可用记忆强加的。

library(data.table)

## Create three identical 1000000-by-20 data.tables
DT1 <- data.table(1:1e6,
           as.data.table(replicate(1e6, paste(sample(letters, nr, TRUE),
                                             sample(letters, nr, TRUE)))))
cnames <- c("ID", paste0("X", 1:19))
setnames(DT1, cnames)
DT2 <- copy(DT1); DT3 <- copy(DT1)

## Method 1
system.time({
DT1[, cnames[-1] := lapply(DT1[,cnames[-1],with=FALSE],
                      function(x) gsub(" ", "_", x))]
})
##   user  system elapsed 
##  10.90    0.11   11.06 

## Method 2
system.time({
    for(cname in cnames[-1]) {
        set(DT2, j=cname, value=gsub(" ", "_", DT2[[cname]]))
    }
})
##   user  system elapsed 
##  10.65    0.05   10.70 

## Method 3
system.time({
    for(cname in cnames[-1]) {
        DT3[ , cname := gsub(" ", "_", DT3[[cname]]), with=FALSE]
    }
})
##   user  system elapsed 
##  10.33    0.03   10.37

有关set()和:=的详细信息，请阅读他们的帮助页面，点击?set或?":="即可获得。

Answer 2

你可以这样做：

library("stringr")
dt[, -1] <- lapply(dt[, -1], function(x) str_replace(x," ","_"))

如何在data.table上运行apply？

2 个答案: