如何在data.table上运行apply？

Question

如何在data.table上运行apply？

34

我有一个data.table，其中第2到20列是带空格的字符串（例如，“物种名称”）。我想同时在所有这些列上运行str_replace()，以便所有“ 物种名称”变为“Species_Name”。我可以选择执行以下操作：

data.table(apply(as.data.frame(dt[,2:dim(dt)[2], with=F]), 2, 
                               function(x){ str_replace(x," ","_") }))

如果我将其保持为一种data.table对象，那么我可以逐列进行操作：

dt[,SpeciesName := str_replace(SpeciesName, " ", "_")

如何对所有第二列到最后一列进行类似上述方法的操作？

- Maiasaura

2个回答

7

你可以这样做：

library("stringr")
dt[, -1] <- lapply(dt[, -1], function(x) str_replace(x," ","_"))

- flodel

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Josh O'Brien · Accepted Answer

在2015-11-24完全重写，以修复之前版本中的错误。

还于2019-09-27添加了更现代的选项。

你有几个选择。

使用内嵌调用lapply()处理所有目标列，使用:=在原地分配修改后的值。这依赖于:=非常方便地支持同时分配给其左侧的多个列名。
使用for循环一次运行一个目标列，使用set()逐个修改每个值。
使用for循环遍历多个“naive”调用[.data.table()，每个调用都修改一个单独的列。

这些方法看起来速度都差不多，所以你使用哪个取决于个人口味。(1)非常精简和表达。我经常使用它，不过你可能会发现(2)更容易阅读。因为它们一次只处理和修改一个列，所以在你的data.table非常大，你有可能会遇到R session可用内存限制的罕见情况下，(2)或(3)将具有优势。

library(data.table)

## Create three identical 1000000-by-20 data.tables
DT1 <- data.table(1:1e6,
           as.data.table(replicate(1e6, paste(sample(letters, nr, TRUE),
                                             sample(letters, nr, TRUE)))))
cnames <- c("ID", paste0("X", 1:19))
setnames(DT1, cnames)
DT2 <- copy(DT1); DT3 <- copy(DT1)

## Method 1
system.time({
DT1[, .SDcols=cnames[-1L], cnames[-1L] := 
  lapply(.SD, function(x) gsub(" ", "_", x, fixed=TRUE)), ]
})
##   user  system elapsed 
##  10.90    0.11   11.06 

## Method 2
system.time({
    for(cname in cnames[-1]) {
        set(DT2, j=cname, value=gsub(" ", "_", DT2[[cname]], fixed=TRUE))
    }
})
##   user  system elapsed 
##  10.65    0.05   10.70 

## Method 3
system.time({
    for(cname in cnames[-1]) {
        DT3[ , (cname) := gsub(" ", "_", get(cname), fixed=TRUE)]
    }
})
##   user  system elapsed 
##  10.33    0.03   10.37

要了解更多关于set()和:=的详细信息，请阅读它们的帮助页面，可以通过键入?set或?":="获取。