r语言 - 将 data.table 列中的向量值替换为来自另一个 data.table 的相关值的最有效方法是什么？

Question

这是我问题的缩小示例。我有一个数据表，其中包含矢量形式的多个ID列。这些 ID 都对应于另一个 data.table 中的单词。

ID.table <- data.table(IDs = list(c(4, 5, 6), c(2, 3, 4)))
word.table <- data.table(ID = c(1, 2, 3, 4, 5, 6), word = c("This", "is", "a", "test", "sentence", "."))

这产生

IDs
1: 4,5,6
2: 2,3,4

和

ID     word
1:  1     This
2:  2       is
3:  3        a
4:  4     test
5:  5 sentence
6:  6        .

我需要将 ID.table 中的所有 ID 转换为 word.table 中的相应单词，如下所示。

IDs
1: test,sentence,.
2:       is,a,test

我知道我可以使用 for 循环并循环遍历 ID.table 中的每个向量来做到这一点，但我的实际表有数千行，这意味着它运行得非常慢。

row <- 1
for(ID.row in ID.table[, IDs]){
word.row <- word.table[ID %in% ID.row]$word
ID.table[row] <- word.row

row <- row + 1
}

有没有更有效的方法可以做到这一点？

编辑：我犯了一个错误，在word.table中列出了从1开始的顺序ID。ID.table 和 word.table 看起来更像这样。

IDs
1: 608,609,610
2: 606,607,608

和

ID     word
1:  605     This
2:  606       is
3:  607        a
4:  608     test
5:  609 sentence
6:  610        .

其中，ID.table 的每一行都是不从 1 开始的序列号向量，word.table 的 ID 列将具有并不总是从 1 开始的序列号。

Answer 1

您可以使用match：

library(data.table)
ID.table[, IDs := lapply(IDs,function(x) word.table$word[match(x,word.table$ID)])]
ID.table
#               IDs
#1: test,sentence,.
#2:       is,a,test

---

如果您可以使用tidyverse函数，另一种选择是unnestIDs并使用word.table连接。

library(dplyr)
ID.table %>%
mutate(row = row_number()) %>%
tidyr::unnest(IDs) %>%
left_join(word.table, by = c('IDs' = 'ID')) %>%
group_by(row) %>%
summarise(Ids = list(word)) %>%
select(-row)

Answer 2

我们可以通过循环列表列"ID"来传递一个命名向量进行匹配和替换，并将输出分配(:=(回ID。

ID.table[, IDs := lapply(IDs, function(x) 
setNames(word.table$word, word.table$ID)[as.character(x)])]

如果 ID 是按顺序排列的，则更容易，即将 ID 用作数字索引来替换"word"列中的相应值

ID.table[, IDs := lapply(IDs, function(x) word.table$word[x])]
ID.table
#              IDs
#1: test,sentence,.
#2:       is,a,test

最好通过unlisting，替换值，然后relist来执行此操作一次而不

循环

ID.table[, IDs := relist(word.table$word[unlist(IDs)], skeleton= IDs)]

注意：两种方法都很简单，更直接，更有效

<小时 />

或使用紧凑的整洁方法

library(purrr)
library(dplyr)
ID.table %>% 
mutate(IDs = map(IDs, ~ word.table$word[.x]))
#              IDs
#1: test,sentence,.
#2:       is,a,test

这不会更改data.table的原始属性结构

基准

在稍大的数据集上

ID.table1 <- ID.table[rep(seq_len(.N), 1e6)]
ID.table2 <- copy(ID.table1)
ID.table3 <- copy(ID.table1)
ID.table4 <- copy(ID.table1)
system.time(ID.table1[, IDs := lapply(IDs, function(x) 
setNames(word.table$word, word.table$ID)[as.character(x)])])
#user  system elapsed 
# 29.971   0.492  30.264 

system.time(ID.table2[, IDs := lapply(IDs, function(x) word.table$word[x])])
#user  system elapsed 
#  8.079   0.086   8.097 
system.time(ID.table3[, IDs := relist(word.table$word[unlist(IDs)], skeleton= IDs)])
# user  system elapsed 
# 14.085   0.109  14.081 
system.time(ID.table4 %>% 
mutate(IDs = map(IDs, ~ word.table$word[.x])))
#user  system elapsed 
#  3.724   0.018   3.734