stri_split_fixed 在 data.table 在 R

Question

我有一个data.tableDT如下

DT <- structure(list(V1 = structure(1:3, .Label = c("S01", "S02", "S03" ), class = "factor"), V2 = structure(c(1L, 3L, 2L), .Label = c("Alan Hal << Guy John", "Bruce Dick Jean-Paul << Damien", "Jay << Barry Wally Bart"), class = "factor")), .Names = c("V1", "V2"), row.names = c(NA, -3L), class = "data.frame")
# DT
#    V1                             V2
# 1 S01           Alan Hal << Guy John
# 2 S02        Jay << Barry Wally Bart
# 3 S03 Bruce Dick Jean-Paul << Damien
setDT(DT)

我正在尝试在“<<”处拆分 V2 列，并在两个新列中获取输出。

我可以使用 stringi

按如下方式完成

T <- as.data.frame(do.call(rbind,  stri_split_fixed(DT$V2, "<<", 2)))
setnames(T, old = colnames(T), new = c("V3", "V4"))
cbind(DT, T)
V1                             V2                    V3                V4
1: S01           Alan Hal << Guy John             Alan Hal           Guy John
2: S02        Jay << Barry Wally Bart                  Jay   Barry Wally Bart
3: S03 Bruce Dick Jean-Paul << Damien Bruce Dick Jean-Paul             Damien

但是我想使用 := 运算符通过引用来做同样的事情。如何使用 data.table?

我对 RHS 部分有困难。

DT[, c("V1", "V2) := list()]

stri_split_fixed(DT$V2, "<<", 2) 给出一个包含 3 个字符向量长度为 2 的列表。如何获得一个包含 2 个字符向量长度为 3 的列表？

Answer 1

你可以试试

setDT(DT)[, c('V3', 'V4'):=do.call(rbind.data.frame,
                    stri_split_fixed(V2, ' << ', 2))][]
#  V1                             V2                    V3                V4
#1: S01           Alan Hal << Guy John             Alan Hal           Guy John
#2: S02        Jay << Barry Wally Bart                  Jay   Barry Wally Bart
#3: S03 Bruce Dick Jean-Paul << Damien Bruce Dick Jean-Paul             Damien

或者您可以使用 strsplit（来自@David Arenburg 的评论）

 setDT(DT)[, c('V3', 'V4'):= do.call(rbind.data.frame,
                   strsplit(as.character(V2), " << "))]

更有效的选择（如@Ananda Mahto 所建议）

cbind(DT, `colnames<-`(stri_split_fixed(DT$V2,
              " << ", simplify = TRUE), c("V3", "V4")))

另一种选择是使用 splitstackshape

中的 cSplit

library(splitstackshape)
cSplit(DT, 'V2', ' << ', stripWhite=FALSE, drop=FALSE)
#       V1                             V2                 V2_1             V2_2
#1: S01           Alan Hal << Guy John             Alan Hal         Guy John
#2: S02        Jay << Barry Wally Bart                  Jay Barry Wally Bart
#3: S03 Bruce Dick Jean-Paul << Damien Bruce Dick Jean-Paul           Damien

cSplit 的更快版本可在 Gist

中提供与 stri_split 类似的性能

stri_split_fixed 在 data.table 在 R

stri_split_fixed in a data.table in R

r

data.table

stringi