unlist 保持相同数量的元素（矢量化）

Question

我正在尝试从一些推文中提取所有主题标签，并为每条推文获取一个包含所有主题标签的字符串。 我正在使用来自stringr 的str_extract，所以我获得了一个字符向量列表。我的问题是我无法将其取消列出并保留相同数量的列表元素（即推文数量）。 示例：

这是长度为 3 的推文向量：

a <- "rt @ugh_toulouse: #mondial2014 : le top 5 des mannequins brésiliens http://www.ladepeche.fr/article/2014/06/01/1892121-mondial-2014-le-top-5-des-mannequins-bresiliens.html #brésil "
b <- "rt @30millionsdamis: beauté de la nature : 1 #baleine sauve un naufragé ; elles pourtant tellement menacées par l'homme... http://goo.gl/xqrqhd #instinctanimal "
c <- "rt @onlyshe31: elle siège toujours!!!!!!!  marseille. nouveau procès pour la députée - 01/06/2014 - ladépêche.fr http://www.ladepeche.fr/article/2014/06/01/1892035-marseille-nouveau-proces-pour-la-deputee.html #toulouse "
all <- c(a, b, c)

现在我使用str_extract_all 来提取主题标签：

ex <- str_extract_all(all, "#(.+?)[ |\n]")

如果我现在使用unlist，我会得到一个长度为 5 的向量：

undesired <- unlist(ex)
> undesired
[1] "#mondial2014 "    "#brésil "        
[3] "#baleine "        "#instinctanimal "
[5] "#toulouse " 

我想要的是如下所示。然而，这是非常低效的，因为它不是矢量化的，而且它需要永远（真的！）在一个小的推文数据帧上：

desired <- c()
for (i in 1:length(ex)){
  desired[i] <- paste(ex[[i]], collapse = " ")
}

> desired
[1] "#mondial2014  #brésil "    
[2] "#baleine  #instinctanimal "
[3] "#toulouse " 

救命！

Answer 1

您可以使用stringi，这对于大型数据集可能更快

library(stringi)
sapply(stri_extract_all_regex(all, '#(.+?)[ |\n]'), paste, collapse=' ')
#[1] "#mondial2014  #brésil "     "#baleine  #instinctanimal "
#[3] "#toulouse " 

for 循环可以很快，如果你 preassign 输出的长度 desired

desired <- numeric(length(ex))
for (i in 1:length(ex)){
  desired[i] <- paste(ex[[i]], collapse = " ") 
}

或者您可以使用vapply，它比sapply 更快并且更安全（由@Richie Cotton 提供）

vapply(ex, toString, character(1))
#[1] "#mondial2014 , #brésil "     "#baleine , #instinctanimal "
#[3] "#toulouse "                 

或者按照@Ananda Mahto 的建议

 vapply(stri_extract_all_regex(all, '#(.+?)[ |\n]'),
              stri_flatten, character(1L), collapse = " ")