多个索引的for循环

Question

我知道在 R 中应该避免 for 循环，而应该使用矢量化操作。

我想用for 循环解决这个问题，然后尝试使用apply 系列，然后也在Rcpp 中。

我加载了一个包含一列密码（字母数字）的数据集。

一旦加载（示例，为了速度），我想根据某些条件“contains_lower_chars”、“contains_numbers”等创建具有值 (0,1) 的新列。

这是我尝试做的，但它不起作用 - 这意味着我创建的每一列都具有相同的值。

library(tidyverse)
set.seed(123)
# load dataset from url, skip the first 16 rows
df <- read.csv('http://datashaping.com/passwords.txt', header = F, skip = 16) %>%
  sample_frac(.001) %>% 
  rename(password = V1)

patterns = c("[a-z]","[A-Z]","[0-9]+")

df$has_lower <- 0 
df$has_upper <- 0
df$has_numeric <- 0

for(i in 1:nrow(df)){
    for(j in patterns){
        n <- ifelse(grepl(j, df$password[i]),1,0)
        }
    df$has_lower[i] <- n
    df$has_upper[i] <- n 
    df$has_numeric[i] <- n
}

我想到的输出是：

password has_lower has_upper has_numeric
Bigmaccas   1         1       0
0127515559  0         0       1
dbqky73p    1         0       1

Answer 1

如果我们只是命名您的模式向量，我们可以简化事情。例如

patterns = c(has_lower="[a-z]",
             has_upper="[A-Z]",
             has_numeric="[0-9]+")

for(pattern in names(patterns)) {
  df[, pattern] = as.numeric(grepl(patterns[pattern], df$password))
}

基本上我们只是遍历每个名​​称，获取与该名称对应的正则表达式，然后进行匹配并添加列。

Answer 2

数据框首先是一个列表。

所以，你可以这样做：

df[c("has_lower", "has_upper", "has_numeric")] <- 
  lapply(patterns, function(pattern) grepl(pattern, df$password) + 0)

使用+ 0L 而不是+ 0 是你想要整数而不是双精度数（我建议什么都不做并保持逻辑）。

Answer 3

首先，您需要在 j 循环中更新 has.lower has.upper 和 has.numeric，否则您的 n 在这 3 种情况下保持不变。为此，您需要能够遍历列的名称 has.lower has.upper 和 has.numeric：

names <- c("has_lower","has_upper","has_numeric")

for(i in 1:nrow(df)){
  for(j in 1:length(patterns)){
    df[i,(names[j])] <- as.numeric(grepl(j, df$password[i]))
  }
}

使用apply 和grepl 已经矢量化这一事实的更快、更好、更紧凑的替代方案：

df[, c("has_lower","has_upper","has_numeric"):=lapply(patterns, function(x) grepl(x,df$password))]

注意（与您的问题无关）：

我建议您使用 fread 函数来读取您的数据集，因为它非常大。

df = fread('http://datashaping.com/passwords.txt', header = F, skip = 16)%>%
  sample_frac(.001) %>% 
  rename(password = V1)