3

我有一个更大的数据集（大约 9m 行的 data.table），其中有一列我想用来聚合值（最小值和最大值等）。该列是各种其他列的组合，并具有基于字符串的格式，如下所示：

string <- "318XXXX | VNSGN | BIER"

为了提高执行任务的速度，我想将其重新编码为一个唯一的整数。我经常用来处理数据的另一个应用程序有一个内置函数，可以将字符串转换为上面的整数（例如 73823）。我想知道R中是否有类似的功能？这个想法是一个特定的字符串总是会产生相同的整数。这将允许它用于合并 data.tables 等。

这是我想用简单整数值编码的 data.table 列的一个小例子：

sample <- c("318XXXX | VNSGN | BIER", "462XXXX | TZZZH | 9905", "462XXXX | TZZZH | 9905", 
"462XXXX | TZZZH | 9905", "511XXXX | FAWOR | 336H", "511XXXX | FAWOR | 336H", 
"652XXXX | XXXXR | T136", "652XXXX | XXXXR | T136", "672XXXX | BQQSZ | 7777", 
"672XXXX | BQQSZ | 7777")

我希望将字符串编码到表格的附加列中，如下表所示；请注意，相同的字符串会产生相同的数字。

String                      Number
318XXXX | VNSGN | BIER      19872
462XXXX | TZZZH | 9905      78392
462XXXX | TZZZH | 9905      78392
462XXXX | TZZZH | 9905      78392
511XXXX | FAWOR | 336H      23053
511XXXX | FAWOR | 336H      23053
652XXXX | XXXXR | T136      95832
652XXXX | XXXXR | T136      95832
672XXXX | BQQSZ | 7777      71829   
672XXXX | BQQSZ | 7777      71829
4

1 回答 1

6

data.table 包将为您创建索引，而无需您明确处理它们，因此它比问题中的方法工作量少。请参阅setkeydata.table 中的函数。

此外，sqldf 包可以使用sqldf 主页create index上的示例 4h 和 4i 中的 SQL 语句，几乎可以使用任何数据库包。

于 2013-01-14T21:12:34.900 回答