15

を使用する関数を作成する場合strsplit、ベクトル入力は期待どおりに動作しないため、使用sapplyする必要があります。これは、strsplit生成されるリスト出力によるものです。プロセスをベクトル化する方法はありますか?つまり、関数は入力の各要素に対してリスト内の正しい要素を生成しますか?

たとえば、文字ベクトル内の単語の長さをカウントするには、次のようにします。

words <- c("a","quick","brown","fox")

> length(strsplit(words,""))
[1] 4 # The number of words (length of the list)

> length(strsplit(words,"")[[1]])
[1] 1 # The length of the first word only

> sapply(words,function (x) length(strsplit(x,"")[[1]]))
a quick brown   fox 
1     5     5     3 
# Success, but potentially very slow

理想的には、 length(strsplit(words,"")[[.]])whereのようなもの.は、入力ベクトルの関連部分であると解釈されます。

4

1 に答える 1

21

一般に、最初はベクトル化された関数を使用するようにしてください。を使用strsplitすると、後でなんらかの反復が必要になることがよくあります (速度が遅くなります)。あなたの例では、nchar代わりに次を使用する必要があります。

> nchar(words)
[1] 1 5 5 3

より一般的にはstrsplit、 がリストを返すという事実を利用して、次のように使用しますlapply。

> as.numeric(lapply(strsplit(words,""), length))
[1] 1 5 5 3

または、 のl*plyファミリ関数を使用しplyrます。例えば：

> laply(strsplit(words,""), length)
[1] 1 5 5 3

編集：

Bloomsdayを記念して、Joyce の Ulysses を使用してこれらのアプローチのパフォーマンスをテストすることにしました。

joyce <- readLines("http://www.gutenberg.org/files/4300/4300-8.txt")
joyce <- unlist(strsplit(joyce, " "))

すべての単語が揃ったので、カウントを行うことができます。

> # original version
> system.time(print(summary(sapply(joyce, function (x) length(strsplit(x,"")[[1]])))))
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  0.000   3.000   4.000   4.666   6.000  69.000 
   user  system elapsed 
   2.65    0.03    2.73 
> # vectorized function
> system.time(print(summary(nchar(joyce))))
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  0.000   3.000   4.000   4.666   6.000  69.000 
   user  system elapsed 
   0.05    0.00    0.04 
> # with lapply
> system.time(print(summary(as.numeric(lapply(strsplit(joyce,""), length)))))
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  0.000   3.000   4.000   4.666   6.000  69.000 
   user  system elapsed 
    0.8     0.0     0.8 
> # with laply (from plyr)
> system.time(print(summary(laply(strsplit(joyce,""), length))))
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  0.000   3.000   4.000   4.666   6.000  69.000 
   user  system elapsed 
  17.20    0.05   17.30
> # with ldply (from plyr)
> system.time(print(summary(ldply(strsplit(joyce,""), length))))
       V1        
 Min.   : 0.000  
 1st Qu.: 3.000  
 Median : 4.000  
 Mean   : 4.666  
 3rd Qu.: 6.000  
 Max.   :69.000  
   user  system elapsed 
   7.97    0.00    8.03

ベクトル化された関数は、元のバージョンlapplyよりもかなり高速です。sapplyすべてのソリューションが同じ回答を返します (要約出力に見られるように)。

どうやら の最新バージョンのplyr方が速いようです (これは少し古いバージョンを使用しています)。

于 2010-06-16T15:19:32.897 に答える