使用 grep 对 data.table 中的行进行子集化，比较行内容

Question

DT <- data.table(num=c("20031111","1112003","23423","2222004"),y=c("2003","2003","2003","2004"))

> DT
    num    y
1: 20031111 2003
2:  1112003 2003
3:    23423 2003
4:  2222004 2004

我想比较两个单元格的内容，并根据布尔值执行操作。例如，如果 "num" 匹配年份，则创建一个包含该值的列 x。我考虑过基于 grep 的子集化，这很有效，但每次都会自然地检查 whole 列，这似乎很浪费

DT[grep(y,num)] # works with a pattern>1 warning

我可以按我的方式申请()，但也许有 data.table 方式？

谢谢

Answer 1

你可以这样做

DT[, x := grep(y, num, value = TRUE, fixed = TRUE), by = .(num, y)]

#> DT
#        num    y        x
#1: 20031111 2003 20031111
#2:  1112003 2003  1112003
#3:    23423 2003       NA
#4:  2222004 2004  2222004

Answer 2

如果您喜欢使用 stringi 包，这是一种利用 stringi 函数向量化模式和字符串这一事实的方法：

DT[stri_detect_fixed(num, y), x := num])

根据数据，它可能比 Veerenda Gadekar 发布的方法更快。

DT <- data.table(num=paste0(sample(1000), sample(2001:2010, 1000, TRUE)),
                 y=as.character(sample(2001:2010, 1000, TRUE)))
microbenchmark(
    vg = DT[, x := grep(y, num, value=TRUE, fixed=TRUE), by = .(num, y)],
    nk = DT[stri_detect_fixed(num, y), x := num]
)

#Unit: microseconds
# expr      min       lq     mean   median       uq      max neval
#   vg 6027.674 6176.397 6513.860 6278.689 6370.789 9590.398   100
#   nk  975.260 1007.591 1116.594 1047.334 1110.734 3833.051   100

使用 grep 对 data.table 中的行进行子集化，比较行内容

Using grep to subset rows from a data.table, comparing row content

r

data.table

string-matching