用 lapply 替换 apply 函数

Question

我正在创建一个数据集，以使用正则表达式计算不同单词组合的聚合值。每行都有一个唯一的正则表达式值，我想检查另一个数据集并找到它出现在其中的次数。

第一个数据集 (df1) 如下所示：

   word1    word2               pattern
   air      10     (^|\\s)air(\\s.*)?\\s10($|\\s)
 airport    20   (^|\\s)airport(\\s.*)?\\s20($|\\s)
   car      30     (^|\\s)car(\\s.*)?\\s30($|\\s)

我想从中匹配的另一个数据集（df2）看起来像

   sl_no    query
   1      air 10     
   2    airport 20   
   3    airport 20
   3    airport 20
   3      car 30

我想要的最终输出应该是这样的 word1 word2 total_occ 空气 10 1 机场 20 3 汽车 30 1

我可以通过在 R 中使用 apply 来做到这一点

process <- 
function(x) 
{
  length(grep(x[["pattern"]], df2$query))
}           

df1$total_occ=apply(df1,1,process)

但由于我的数据集非常大，因此需要花费一些时间。

我发现“parallel”包的“mclapply”功能可用于在多核上运行此类东西，为此我尝试先运行 lapply。它给了我错误说

lapply(df,process)

x[, "pattern"] 中的错误：维数不正确

请让我知道我应该进行哪些更改才能正确运行 lapply。

Answer 1

为什么不只是 lapply() 而不是 pattern？

在这里，我刚刚提取了您的 pattern，但这很容易成为 df$pattern

pattern <- c("(^|\\s)air(\\s.*)?\\s10($|\\s)",
             "(^|\\s)airport(\\s.*)?\\s20($|\\s)",
             "(^|\\s)car(\\s.*)?\\s30($|\\s)")

将您的数据用于df2

txt <- "sl_no    query
   1      'air 10'     
   2    'airport 20'   
   3    'airport 20'
   3    'airport 20'
   3      'car 30'"
df2 <- read.table(text = txt, header = TRUE)

直接迭代pattern

> lapply(pattern, grep, x = df2$query)
[[1]]
[1] 1

[[2]]
[1] 2 3 4

[[3]]
[1] 5

如果您想要问题中建议的更紧凑的输出，则需要在返回的输出上运行 lengths()（感谢 @Frank 指出新函数 lengths()。 ））。例如

lengths(lapply(pattern, grep, x = df2$query))

给了

> lengths(lapply(pattern, grep, x = df2$query))
[1] 1 3 1

您可以通过以下方式将其添加到原始数据中

dfnew <- cbind(df1[, 1:2],
               Count = lengths(lapply(pattern, grep, x = df2$query)))