在数据帧列表上应用函数的有效方法

Question

我在 R 中有一个数据帧列表。我需要做的是对每个数据帧应用一个函数，在本例中删除特殊字符，并返回一个数据帧列表。

使用 lapply 和 as.data.frame 以下内容工作正常并提供了我所需要的：

my_df =data.frame(names = seq(1,10), chars = c("abcabc!!", "abcabc234234!!"))
my_list = list(my_df, my_df, my_df)

#str(my_list)
List of 3
 $ :'data.frame':   10 obs. of  2 variables: ...

new_list <- lapply(my_list, function(y) as.data.frame(lapply(y, function(x) gsub("[^[:alnum:][:space:]']", "", x))))

# str(new_list)
List of 3
 $ :'data.frame':   10 obs. of  2 variables:
  ..$ names: Factor w/ 10 levels "1","10","2","3",..: 1 3 4 5 6 7 8 9 10 2
  ..$ chars: Factor w/ 2 levels "abcabc","abcabc234234": 1 2 1 2 1 2 1 2 1 2
 $ :'data.frame':   10 obs. of  2 variables:
  ..$ names: Factor w/ 10 levels "1","10","2","3",..: 1 3 4 5 6 7 8 9 10 2
  ..$ chars: Factor w/ 2 levels "abcabc","abcabc234234": 1 2 1 2 1 2 1 2 1 2
 $ :'data.frame':   10 obs. of  2 variables:
  ..$ names: Factor w/ 10 levels "1","10","2","3",..: 1 3 4 5 6 7 8 9 10 2
  ..$ chars: Factor w/ 2 levels "abcabc","abcabc234234": 1 2 1 2 1 2 1 2 1 2

但我想知道是否有一种不需要嵌套的更有效的方法lapply。也许是 returns 将元素作为数据框的不同应用系列函数？

Answer 1

我们不需要嵌套的 lapply，只需一个带有 transform 的 lapply 即可

lapply(my_list, transform, chars = gsub("[^[:alnum:][:space:]']", "", chars))

模式可以压缩到"[^[[:alnum:] ']"

Answer 2

虽然@akrun 是正确的，你的第二个 lapply 调用在这个例子中是无用的，但我认为它不能解决许多列可能相关的一般情况，而且不知道哪个可能是相关的。

这里效率低下的是使用 as.data.frame 的转换，而不是内部 lapply 调用。 lapply 调用本身几乎与将函数应用于单个向量或相同大小的矩阵一样快。

如果你真的想在这里更省时，我建议使用data.table。我把这个例子放大了一点，这样我们就可以计时了。

library(data.table)

f <- function(x) gsub("[^[:alnum:][:space:]']", "", x)

my_df <- as.data.frame(matrix(paste0(sample(c(letters,'!'), size=1000000, replace=T),
                                 sample(c(letters,'!'), size=1000000, replace=T)), 
                                 ncol=250), stringsAsFactors = FALSE)
my_list = list(my_df, my_df, my_df)

system.time(lapply(my_list, function(y) as.data.frame(lapply(y, f))))
# 2.256 seconds

my_dt <- as.data.table(my_df)
my_list2 = list(my_dt, my_dt, my_dt)

system.time(lapply(my_list2, function(y) y[,lapply(.SD,f)]))
# 1.180 seconds

在数据帧列表上应用函数的有效方法

An efficient way to apply a function over a list of dataframes

r

apply

lapply

dataframe