[英]Efficiently adding column to dataframe based on values from regex capture groups from other columns
我想向现有数据框添加一个额外的列,其中newColumn的值将基于应用于同一行中另一个值的正则表达式的捕获组,到目前为止我想出的唯一有效的是这个(可能不是 R 式)循环的标准方法,但它非常慢(对于大约 150 万行的 DF)。
带列的数据框:
ID Text NewColumn
Atm 我处理这个:
df$newColumn <- rep("", nrow(df));
for (row in 1:nrow(df)) {
df$newColumn[row] <- str_match(df$Text[row], regex)[1,2];
}
在阅读了几篇文章后,我尝试使用 apply/lapply 但我的方法都没有产生预期的结果。 这甚至可以通过 apply-family 的功能实现,如果是:如何?
例子:
为了
regex <- "^[0-9]*([a-zA-Z]*)$";
和如下表:
ID Text
------------------
1 231Ben
2 112Claudine
3 538Julia
我希望:
ID Text NewColumn
----------------------------
1 231Ben Ben
2 112Claudine Claudine
3 538Julia Julia
str_match
和gsub/sub
等是矢量化的,所以如果pattern
相同,我们不必遍历行
df1$NewColumn <- gsub("\\d+", "", df1$Text)
或者使用stringr
函数
library(stringr)
df1$NewColumn <- str_match(df1$Text, "([A-Za-z]+)")[,1]
str_extract(df1$Text, "[A-Za-z]+")
#[1] "Ben" "Claudine" "Julia"
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.