在 R 中解析“大陆/国家/城市”向量的快速方法 基准数据

如何解决在 R 中解析“大陆/国家/城市”向量的快速方法 基准数据

我在 R 中有一个字符向量,每个字符串由“大陆/国家/城市”组成,例如

x=rep("Africa / Kenya / Nairobi",1000000)

但是“ / ”偶尔会在没有括号空格的情况下被错误输入为“/”,并且在某些情况下城市也丢失了,因此它会例如是“非洲/肯尼亚”,没有城市。

我想将其解析为三个向量 大洲、国家和城市,如果缺少城市,则使用 NA。

对于国家,我现在做了类似的事情

country = sapply(x,function(loc) trimws(strsplit(loc,"/",fixed = TRUE)[[1]][2]))

但是如果向量 x 很长,那会很慢。在 R 中解析它的有效方法是什么?

解决方法

您可以在 rbind 中尝试 do.call。在 [ 中使用 lapply 是为了在城市缺失的情况下获得 3 个结果。

x <- c("Africa / Kenya / Nairobi","Africa/Kenya/Nairobi","Africa / Kenya")

y <- do.call(rbind,lapply(strsplit(x,"/",TRUE),"[",1:3))
y <- trimws(y,whitespace = " ")

y
#     [,1]     [,2]    [,3]     
#[1,] "Africa" "Kenya" "Nairobi"
#[2,] "Africa" "Kenya" "Nairobi"
#[3,] "Africa" "Kenya" NA       

或者使用data.table

x <- c("Africa / Kenya / Nairobi","Africa / Kenya")

y <- do.call(cbind,data.table::tstrsplit(x,TRUE))
y <- trimws(y,] "Africa" "Kenya" NA       

基准

#x <- rep("Africa / Kenya / Nairobi",1000000) #Timings will depend on the used dataset

n <- 1e6L
f1 <- function(n) replicate(n,paste(sample(letters,sample(5:15,1),collapse = ""))
f2 <- function(n) sample(c("/"," /","/ "," / "),n,TRUE)
set.seed(42)
x <- paste0(f1(n),f2(n),f1(n),sample(c(paste0(f2(n%/%2L),f1(n%/%2L)),rep("",n - n%/%2L))))

system.time( #Method given in the question
  sapply(x,function(loc) trimws(strsplit(loc,fixed = TRUE)[[1]][2])))
#       User      System verstrichen 
#     47.718       0.004      47.798 

system.time(  #Using strsplit and trimws
  trimws(do.call(rbind,1:3)),whitespace = " "))
#       User      System verstrichen 
#      5.446       0.008       5.454 

system.time(  #Using data.table::tstrsplit and trimws
  trimws(do.call(cbind,TRUE)),whitespace = " "))
#       User      System verstrichen 
#      2.365       0.012       2.376 

system.time(  #Using readr::read_delim from @Anoushiravan R
  readr::read_delim(x,delim = "/",quote = "",trim_ws = TRUE,col_names = FALSE))
#       User      System verstrichen 
#      1.961       0.024       2.222 

system.time(  #Using data.table::tstrsplit with " */ *"
  do.call(cbind," */ *",perl=TRUE)))
#       User      System verstrichen 
#      1.394       0.000       1.394 

system.time(  #Using read.table from @akrun
  read.table(text = x,sep = "/",header = FALSE,fill = TRUE,strip.white = TRUE,na.strings = ""))
#       User      System verstrichen 
#      1.298       0.004       1.302 

system.time(  #Using data.table::fread from @akrun
  data.table::fread(text = paste(x,collapse="\n"),sep="/",na.strings = ""))
#       User      System verstrichen 
#      1.146       0.016       0.996 

system.time(  #Using read.table with additional argiments
  read.table(text = x,na.strings = "",nrows=length(x),comment.char = "",colClasses = c("character")))
#       User      System verstrichen 
#      1.076       0.000       1.076 

system.time(  #Using data.table::fread with stringr::str_c (or stringi::stri_c)
  data.table::fread(text = stringr::str_c(x,na.strings = ""))
#       User      System verstrichen 
#      0.780       0.000       0.624 

使用 data.table::fread 并使用 stringr::str_c 创建输入字符串看起来是目前给定方法中最快的。

,

考虑使用 gcloud projects get-iam-policy $GCP_PROJECT_NAME \ --filter="serviceAccount" \ --flatten="bindings[].members" \ --format="value(bindings.members.split(':').slice(1:).flatten())" \ --sort-by=bindings.members | uniq #=> . . . $SOME_SERVICE_ACCOUNT . . . 中的 read.table

base R

或者使用 read.table(text = x,na.strings = "") V1 V2 V3 1 Africa Kenya Nairobi 2 Africa Kenya Nairobi 3 Africa Kenya <NA> 中的 fread

data.table

基准

library(data.table)
fread(text = paste(x,na.strings = "")
   Africa Kenya Nairobi
1: Africa Kenya Nairobi
2: Africa Kenya    <NA>

数据

x <- rep("Africa / Kenya / Nairobi",1000000)
> 
> system.time(fread(text = paste(x,na.strings = ""))
   user  system elapsed 
  0.473   0.024   0.496 

> system.time(read.table(text = x,+       fill = TRUE,na.strings = ""))
   user  system elapsed 
  0.519   0.026   0.543 

> system.time({  #Using data.table
+   y <- do.call(cbind,TRUE))
+   y <- trimws(y,whitespace = " ")
+ })
   user  system elapsed 
  2.035   0.051   2.067 
,

我认为这也可以使用:

library(readr)

xx <- readr::read_delim(b,col_names = FALSE)

# A tibble: 3 x 3
  X1     X2    X3     
  <chr>  <chr> <chr>  
1 Africa Kenya Nairobi
2 Africa Kenya Nairobi
3 Africa Kenya NA   

版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐


依赖报错 idea导入项目后依赖报错,解决方案:https://blog.csdn.net/weixin_42420249/article/details/81191861 依赖版本报错:更换其他版本 无法下载依赖可参考:https://blog.csdn.net/weixin_42628809/a
错误1:代码生成器依赖和mybatis依赖冲突 启动项目时报错如下 2021-12-03 13:33:33.927 ERROR 7228 [ main] o.s.b.d.LoggingFailureAnalysisReporter : *************************** APPL
错误1:gradle项目控制台输出为乱码 # 解决方案:https://blog.csdn.net/weixin_43501566/article/details/112482302 # 在gradle-wrapper.properties 添加以下内容 org.gradle.jvmargs=-Df
错误还原:在查询的过程中,传入的workType为0时,该条件不起作用 &lt;select id=&quot;xxx&quot;&gt; SELECT di.id, di.name, di.work_type, di.updated... &lt;where&gt; &lt;if test=&qu
报错如下,gcc版本太低 ^ server.c:5346:31: 错误:‘struct redisServer’没有名为‘server_cpulist’的成员 redisSetCpuAffinity(server.server_cpulist); ^ server.c: 在函数‘hasActiveC
解决方案1 1、改项目中.idea/workspace.xml配置文件,增加dynamic.classpath参数 2、搜索PropertiesComponent,添加如下 &lt;property name=&quot;dynamic.classpath&quot; value=&quot;tru
删除根组件app.vue中的默认代码后报错:Module Error (from ./node_modules/eslint-loader/index.js): 解决方案:关闭ESlint代码检测,在项目根目录创建vue.config.js,在文件中添加 module.exports = { lin
查看spark默认的python版本 [root@master day27]# pyspark /home/software/spark-2.3.4-bin-hadoop2.7/conf/spark-env.sh: line 2: /usr/local/hadoop/bin/hadoop: No s
使用本地python环境可以成功执行 import pandas as pd import matplotlib.pyplot as plt # 设置字体 plt.rcParams[&#39;font.sans-serif&#39;] = [&#39;SimHei&#39;] # 能正确显示负号 p
错误1:Request method ‘DELETE‘ not supported 错误还原:controller层有一个接口,访问该接口时报错:Request method ‘DELETE‘ not supported 错误原因:没有接收到前端传入的参数,修改为如下 参考 错误2:cannot r
错误1:启动docker镜像时报错:Error response from daemon: driver failed programming external connectivity on endpoint quirky_allen 解决方法:重启docker -&gt; systemctl r
错误1:private field ‘xxx‘ is never assigned 按Altʾnter快捷键,选择第2项 参考:https://blog.csdn.net/shi_hong_fei_hei/article/details/88814070 错误2:启动时报错,不能找到主启动类 #
报错如下,通过源不能下载,最后警告pip需升级版本 Requirement already satisfied: pip in c:\users\ychen\appdata\local\programs\python\python310\lib\site-packages (22.0.4) Coll
错误1:maven打包报错 错误还原:使用maven打包项目时报错如下 [ERROR] Failed to execute goal org.apache.maven.plugins:maven-resources-plugin:3.2.0:resources (default-resources)
错误1:服务调用时报错 服务消费者模块assess通过openFeign调用服务提供者模块hires 如下为服务提供者模块hires的控制层接口 @RestController @RequestMapping(&quot;/hires&quot;) public class FeignControl
错误1:运行项目后报如下错误 解决方案 报错2:Failed to execute goal org.apache.maven.plugins:maven-compiler-plugin:3.8.1:compile (default-compile) on project sb 解决方案:在pom.
参考 错误原因 过滤器或拦截器在生效时,redisTemplate还没有注入 解决方案:在注入容器时就生效 @Component //项目运行时就注入Spring容器 public class RedisBean { @Resource private RedisTemplate&lt;String
使用vite构建项目报错 C:\Users\ychen\work&gt;npm init @vitejs/app @vitejs/create-app is deprecated, use npm init vite instead C:\Users\ychen\AppData\Local\npm-