3

我有一个包含两列的大型 data.table（9 M 行）：fcombined 和值 fcombined 是一个因素，但它实际上是两个因素相互作用的结果。现在的问题是将一个因素列再次分成两列的最有效方法是什么？我已经想出了一个可行的解决方案，但也许我错过了更直接的方法。工作示例是：

library(stringr)
f1=1:20
f2=1:20
g=expand.grid(f1,f2)
combinedfactor=as.factor(paste(g$Var1,g$Var2,sep="_"))
largedata=1:10^6
DT=data.table(fcombined=combinedfactor,value=largedata)


splitfactorcol=function(res,colname,splitby="_",namesofnewcols){#the nr. of cols retained is length(namesofnewcols)
  helptable=data.table(.factid=seq_along(levels(res[[colname]])) ,str_split_fixed(levels(res[[colname]]),splitby,length(namesofnewcols)))
  setnames(helptable,colnames(helptable),c(".factid",namesofnewcols))
  setkey(helptable,.factid)
  res$.factid=unclass(res[[colname]])
  setkey(res,.factid)
  m=merge(res,helptable)
  m$.factid=NULL
  m
}
splitfactorcol(DT,"fcombined",splitby="_",c("f1","f2"))
4

1 回答 1

3

我认为这可以解决问题，并且速度快 5 倍。

setkey(DT, fcombined)
DT[DT[, data.table(fcombined = levels(fcombined),
                   do.call(rbind, strsplit(levels(fcombined), "_")))]]

我拆分了级别，然后简单地将结果合并回原始data.table.

顺便说一句，在我的测试strsplit中（对于这个任务）比stringr函数快大约 2 倍。

于 2013-06-15T04:27:12.427 回答