Я ищу способ эффективного применения функции к каждой строке data.table. Рассмотрим следующую таблицу данных:
library(data.table)
library(stringr)
x <- data.table(a = c(1:3, 1), b = c('12 13', '14 15', '16 17', '18 19'))
> x
a b
1: 1 12 13
2: 2 14 15
3: 3 16 17
4: 1 18 19
Скажем, я хочу разбить каждый элемент столбца b на пробел (таким образом, получив две строки для каждой строки в исходных данных) и соединить полученные таблицы данных. В приведенном выше примере мне нужен следующий результат:
a V1
1: 1 12
2: 1 13
3: 2 14
4: 2 15
5: 3 16
6: 3 17
7: 1 18
8: 1 19
Следующее будет работать, если столбец a имеет только уникальные значения:
x[, list(str_split(b, ' ')[[1]]), by = a]
Следующие почти работают (если в исходной таблице данных нет одинаковых строк), но уродливо, когда x имеет много столбцов и копирует столбец b в результат, чего я бы хотел избежать.
> x[, list(str_split(b, ' ')[[1]]), by = list(a,b)]
a b V1
1: 1 12 13 12
2: 1 12 13 13
3: 2 14 15 14
4: 2 14 15 15
5: 3 16 17 16
6: 3 16 17 17
7: 1 18 19 18
8: 1 18 19 19
Каким будет самый эффективный и идиоматический способ решения этой проблемы?
Как насчет:
x
a b
1: 1 12 13
2: 2 14 15
3: 3 16 17
4: 1 18 19
x[,list(a=rep(a,each=2), V1=unlist(strsplit(b," ")))]
a V1
1: 1 12
2: 1 13
3: 2 14
4: 2 15
5: 3 16
6: 3 17
7: 1 18
8: 1 19
Обобщенное решение, данное комментарий:
x[,{s=strsplit(b," ");list(a=rep(a,sapply(s,length)), V1=unlist(s))}]
Один из вариантов - добавить номер строки
x[, r := 1:nrow(x)]
а затем группу r:
x[, list(a, str_split(b, ' ')[[1]]), by = r]
Мне интересно, есть ли лучшие решения?
Самый эффективный и идиоматический подход - иметь векторизованную функцию.
В этом случае какой-то regex сделает то, что вы хотите
x[, V1 := gsub(" [[:alnum:]]*", "", b)]
a b V1
1: 1 12 13 12
2: 2 14 15 14
3: 3 16 17 16
4: 1 18 19 18
Если вы хотите вернуть каждый компонент split, и вы знаете, что в каждом из них есть по два, вы можете использовать Map для принудительного результата результата strsplit в правильной форме
x[, c('b1','b2') := do.call(Map, c(f = c, strsplit(b, ' ')))]
x
a b b1 b2
1: 1 12 13 12 13
2: 2 14 15 14 15
3: 3 16 17 16 17
4: 1 18 19 18 19
x[, .(a,strsplit(b,' ')), by = .I]
выглядит более эстетичным
Подход dplyr/tidyr также работает с таблицами данных.
library(dplyr)
library(tidyr)
x %>%
separate(b, into = c("b1", "b2")) %>%
gather(b, "V1", b1:b2) %>%
arrange(V1) %>%
select(a, V1)
Или, используя стандартные формы оценки:
x %>%
separate_("b", into = c("b1", "b2")) %>%
gather_("b", "V1", c("b1", "b2")) %>%
arrange_(~ V1) %>%
select_(~ a, ~ V1)
Случай с разными значениями в столбце b немного сложнее.
library(stringr)
x2 <- data.table(
a = c(1:3, 1),
b = c('12 13', '14', '15 16 17', '18 19')
)
n <- max(str_count(x2$b, " ")) + 1
b_cols <- paste0("b", seq_len(n))
x2 %>%
separate_("b", into = b_cols, extra = "drop") %>%
gather_("b", "V1", b_cols) %>%
arrange_(~ V1) %>%
select_(~ a, ~ V1)
x[, .(a,strsplit(b,' ')), by=1:nrow(x)]
by=nrow(x) - простой способ заставить 1 строку для каждой группы
Рассматривая ввод и желаемый результат, это должно работать -
x <- data.frame(a=c(1,2,3,1),b=c("12 13","14 15","16 17","18 19"))
data.frame(a=rep(x$a,each=2), new_b=unlist(strsplit(as.character(x$b)," ")))