r - 如何在data.table上运行Apply？

Question

我有一个data.table，其中第2到20列是带空格的字符串(例如“物种名称”)。我想同时在所有这些列上运行str_replace()，以便所有的“Species Name”都变为“Species_Name”。我可以:

data.table(apply(as.data.frame(dt[,2:dim(dt)[2], with=F]), 2, 
                               function(x){ str_replace(x," ","_") }))

或者，如果我将其保存为 data.table对象，那么我可以一次完成这一列:

dt[,SpeciesName := str_replace(SpeciesName, " ", "_")

我如何对所有第2列到最后一列进行上述操作？

Answer 1

已于2015-11-24完全重写，以修复先前版本中的错误。

还于2019-09-27添加了更多现代选项

您有几种选择。

通过对的嵌入式调用来处理所有目标列lapply()，使用:=在适当位置分配修改后的值。这个
依靠:=的非常方便的支持来同时分配给LHS上命名的几列。

使用for循环一次遍历目标列，
使用set()依次修改每个值。

使用for循环遍历多个“原始”调用
到[.data.table()，每个修改一个列。

这些方法似乎都差不多快，所以您将使用哪种方法
大多是一个品味问题。 (1)非常紧凑
富有表现力的。这是我最常使用的，尽管您可能会发现(2)
更容易阅读。因为它们一次处理和修改一列，所以在罕见的情况下，(2)或(3)会具有优势，在这种情况下，您的data.table如此之大，以至于您有可能遇到极限
由R session 的可用内存强加。

library(data.table)

## Create three identical 1000000-by-20 data.tables
DT1 <- data.table(1:1e6,
           as.data.table(replicate(1e6, paste(sample(letters, nr, TRUE),
                                             sample(letters, nr, TRUE)))))
cnames <- c("ID", paste0("X", 1:19))
setnames(DT1, cnames)
DT2 <- copy(DT1); DT3 <- copy(DT1)

## Method 1
system.time({
DT1[, .SDcols=cnames[-1L], cnames[-1L] := 
  lapply(.SD, function(x) gsub(" ", "_", x, fixed=TRUE)), ]
})
##   user  system elapsed 
##  10.90    0.11   11.06 

## Method 2
system.time({
    for(cname in cnames[-1]) {
        set(DT2, j=cname, value=gsub(" ", "_", DT2[[cname]], fixed=TRUE))
    }
})
##   user  system elapsed 
##  10.65    0.05   10.70 

## Method 3
system.time({
    for(cname in cnames[-1]) {
        DT3[ , (cname) := gsub(" ", "_", get(cname), fixed=TRUE)]
    }
})
##   user  system elapsed 
##  10.33    0.03   10.37 

有关 set()和 :=的更多详细信息，请阅读其帮助页面，方法是通过键入 ?set或 ?":="获得。