R中具有列表的data.table赋值运算符

Question

我有一个包含name列的data.table，并且正在尝试从该名称提取正则表达式。 在这种情况下，最明显的方法是使用:=运算符，因为我将提取的字符串分配为数据的实际名称。 这样，我发现这实际上并没有按照我期望的方式应用该功能。 我不确定它是否是故意的，并且我想知道它是否有做它的原因或它是否是一个错误。

library(data.table)
dt <- data.table(name = c('foo123', 'bar234'))

在简单的字符向量中搜索所需的表达式的行为符合预期：

name <- dt[1, name]
pattern <- '(.*?)\\d+'
regmatches(name, regexec(pattern, name))
[[1]]
[1] "foo123" "foo"  

我可以轻松地将其子集化以获得我想要的

regmatches(name, regexec(pattern, name))[[1]][2]
[1] "foo"

但是，当我尝试将其应用于整个data.table时遇到问题：

dt[, name_final := regmatches(name, regexec(pattern, name))[[1]][2]]
dt
    name name_final
1: foo123        foo
2: bar234        foo

我不知道data.table在内部如何工作，但是我猜想该函数将首先应用于整个name列，然后将结果以某种方式强制转换为向量，然后分配给新的name_final列。 但是，我在这里期望的行为是逐行的。 我可以通过添加一个虚拟id列来模拟这种行为。

dt[, id := seq_along(name)]
dt[, name_final := regmatches(name, regexec(pattern, name))[[1]][2], by = list(id)]
dt
    name name_final id
1: foo123        foo  1
2: bar234        bar  2

是否有这不是默认行为的原因？ 如果是这样，我猜想这与data.table的原子列有关，而不是与行有关，但是我想了解那里发生了什么。

Answer 1

R中几乎没有任何内容是逐行运行的。 一次处理数据列总是更好，因此您可以非常假设值的整个列向量都将作为参数传递给函数。 这是为regmatches列表中的每个项目提取第二个元素的方法

dt[, name_final := sapply(regmatches(name, regexec(pattern, name)), `[`, 2)]

诸如sapply()或Vectorize()类的函数可以“伪造”每行类型的调用，这些调用不希望一次在向量/数据列表上运行。