我想知道从列中提取文本的最有效方法是使用data.table中的子函数.
例如,我们有以下数据集：
test <- data.table(a = c("Hello world,this is Tom and I am a guy","Hello world,this is Jack and I am a guy"))
我想提取名字.提取名称的一种方法是使用替换函数
test[,Name := sub(".*? this is (.*?) and.*","\\1",a)]
但我想知道,这是最有效的方式吗？
解决方法
结合str_extract和str_remove可以减少时间
library(stringr) test1 <- test[rep(seq_len(.N),1e6)] test2 <- copy(test1) system.time(test1[,a)]) # user system elapsed # 4.590 0.002 4.597 system.time(test2[,Name := str_remove(str_extract(a,"this is \\w+"),"this is ")]) # user system elapsed # 2.259 0.076 2.339 identical(test1$Name,test2$Name) #[1] TRUE
library(microbenchmark)
f1 <- function() sub(".*? this is (.*?) and.*",test1$a)
f2 <- function() str_remove(str_extract(test1$a,"this is ")
microbenchmark(f1(),f2(),unit = 'relative',times = 10L)
#Unit: relative
#expr min lq mean median uq max neval
# f1() 2.12879 2.14592 2.145551 2.173798 2.188693 2.121836 10
# f2() 1.00000 1.00000 1.000000 1.000000 1.000000 1.000000 10