パフォーマンスの問題2列のデータフレームが与えられるデータフレームの二つの列

Question

間動作中：

• 長さ（要素の長さ）
• findLengthOf（これは、値の文字列である）ための要素のインデックス長さが必要です

したがって、2番目の列のすべてのインデックスの長さをすべて見つけて、結果を3番目の列に配置する必要があります。 私たちは1637年のな長さを検索し、1835年を得る場合には、上記の例を参照してください：

> df$length[1637] 
[1] 1835 


head(df) 
    length findLengthOf 
1 6434 1637,386.... 
2 4272 4322,414.... 
3 7338 2052,639.... 
4 4932 190,1567.... 
5 2397 8963,844.... 
6 4405 103,4346.... 

    head(df) 
    length findLengthOf   result 
1 6434 1637,386.... 1835, 2404, 4689 
2 4272 4322,414.... 1184, 2721, 7215 
3 7338 2052,639.... 5253, 2998, 6153 
4 4932 190,1567.... 2931, 6496, 7784 
5 2397 8963,844.... 3796, 3488, 6555 
6 4405 103,4346.... 1662, 5481, 1244 

set.seed(123) 
df <- data.frame(length = sample(1e4), 
       findLengthOf = I(replicate(1e4, paste(sample(1:10000,1),sample(1:10000,1),sample(1:10000,1),sep=","), simplify = FALSE))) 

df$result=lapply(lapply(df$findLengthOf,strsplit,split=","), function(x){df[x[[1]],"length"]}) 

コードは動作しますが、それは長い間になります。どうすればスピードを上げることができますか？ はまた、なぜ

head(lapply(df$findLengthOf,strsplit,split=",")) 

はいつもとリストのこの奇妙なリストを返すん：

[[1]] 
[[1]][[1]] 
[1] "7744" "1346" "4626" 

これらの二重括弧を回避する方法はありますか？ 何か応答がありがとうございます！デビッド（セット固定= T）から

提案：

> ptm <- proc.time() 
> df$result=lapply(lapply(df$findLengthOf,strsplit,split=",",fixed=T), function(x){df[x[[1]],"length"]}) 
> proc.time() - ptm 
    user system elapsed 
17.220 0.000 17.147 
> ptm <- proc.time() 
> df$result=lapply(lapply(df$findLengthOf,strsplit,split=","), function(x){df[x[[1]],"length"]}) 
> proc.time() - ptm 
    user system elapsed 
17.260 0.000 17.142 

Answer 1

ここで完全にvectotorizedソリューションが、おそらくメモリ高価です。私はパフォーマンスをテストしていません

library(data.table) 
res <- matrix(df$length[unlist(setDT(df)[, 
       tstrsplit(findLengthOf, ",", fixed = TRUE, type.convert = TRUE)])], 
       nrow = nrow(df)) 
df$result <- as.list(as.data.frame(t(res)))