R:替换数据框(表)中字符串的有效方法

Question

这是问题的代码:

set.seed(1234)
y <- 1e7

renamer <- function(text){
  text[grep("ac", text)] <- "aaa"
  text[grep("gf", text)] <- "bbb"
  text[grep("er", text)] <- "ccc"
  text[grep("hy", text)] <- "ddd"
  text[grep("nh", text)] <- "eee"
  text[grep("oi", text)] <- "fff"
  text[grep("nu", text)] <- "ggg"
  text[grep("vf", text)] <- "hhh"
  text[grep("cd", text)] <- "iii"
  text[grep("po", text)] <- "jjj"
  return(text)
}

smp <- NULL
for(i in 1:100){
  smp <- c(smp, paste0(sample(letters, 15, T), collapse= ""))
}

df <- data.table(a = sample(smp, y, T))

# > system.time(renamer(text = df$a))
# user  system elapsed 
# 15.54    0.08   15.70 

问题:有一个大型数据集，需要以省时的方式替换大部分值。我的代码可以解决问题。但是，我确实可以使用更快的解决方案。

请注意，存在重复出现的值。而且......(有时会发生)当我写这个问题时，我可能想出了解决方案，其中包括将列转换为因子并替换级别值。但无论如何我决定留下这个问题，因为其他人可能需要帮助解决这个问题，或者有一些聪明的替代解决方案。

这是基准的因子解决方案:

# > system.time({
#   +   df$a <- factor(df$a)
#   +   levels(df$a) <- renamer(levels(df$a))
#   +   df$a <- as.character(df$a)
#   + })
# user  system elapsed 
# 1.25    0.14    1.42 

Answer 1

我建议创建一个简单的查找表并使用优秀的stringi::stri_detect_fixed函数(给我〜X100加速)

library(data.table)
library(stringi)

Lookup <- c("ac", "gf", "er", "hy", "nh", "oi", "nu", "vf", "cd", "po")
Rename <- substring(paste(rep(letters[1:10], each = 3), collapse = ""), 
                    seq(1, 30 ,3), seq(3, 30, 3))


system.time(setDT(df)[, Result := Rename[stri_detect_fixed(a, Lookup)], by = a])
# user  system elapsed 
# 0.10    0.05    0.14