R优化数据表的grep答案

【问题标题】：R Optimization of grep of data tableR优化数据表的grep
【发布时间】：2016-02-11 13:01:10
【问题描述】：

我有一系列空的大型数据表。它们看起来像这样（但更大，~6000 列，1 到 100000 行之间）：

apple = c(NA, NA, NA)
orange = c(NA, NA, NA)
pear = c(NA, NA, NA)
demo <- data.table(apple, orange, pear)
row.names(demo) <- c("pineapples", "blood oranges", "grapes")

我正在做模式匹配以查看行名是否包含列名，然后将相应的单元格标记为 TRUE/FALSE。我编写了一个运行良好的循环，但速度极慢。

for(i in 1:ncol(demo)) {
    demo[, i] <- ifelse(grepl(colnames(demo)[i], 
                                      rownames(demo)), 
                                TRUE, 
                                FALSE)
}

有没有人知道如何以更快的方式做到这一点？可以使用java，但我更喜欢用纯R来解决它。

【问题讨论】：

您检查过demo 数据集吗？对于data.table，不能指定行名。
您可以使用outer 和stringi 对此进行矢量化处理，例如outer(row.names(demo), colnames(demo), stringi::stri_detect_fixed)
@akrun 您可以将行名存储在data.tables 属性中。虽然我猜最好创建一个列。
顺便说一句，这里不需要ifelse，可以使用for(i in 1:ncol(demo)) demo[, i] <- grepl(colnames(demo)[i], rownames(demo), fixed = TRUE)（注意fixed = TRUE 以提高效率）
大卫·阿伦伯格：效果很好。谢谢你的回答！

标签： r loops optimization grepl

【解决方案1】：

我们可以创建一个带有FALSE 值的数据集，因为“data.table”中不允许使用row.names，所以创建一个包含这些名称的向量

rn <- c("pineapples", "blood oranges", "grapes")
for(j in seq_along(demo)){
    set(demo, i= grep(names(demo)[j], rn), j=j, value = TRUE)
   }

数据

 demo <- as.data.table(matrix(FALSE,3,3, 
    dimnames=list(NULL, c('apple', 'orange', 'pear'))))

【讨论】：

@docendodiscimus 你是对的。感谢您的评论。