r - 强制使用 mapply 是否有解决方法

Question

我有一个带有单列“条款”的data.frame。它可以包含多个单词的字符串。每个词至少包含两个词或更多，没有上限。

从“条款”这一列中，我想提取最后一个单词并将其存储在一个新的“最后”列中。

# load library
library(dplyr)
library(stringi)

# read csv 
df <- read("filename.txt",stringsAsFactors=F)

# show df
head(df)

#              Term
# 1 this is for the
# 2   thank you for
# 3   the following
# 4   the fact that
# 5       the first 

我准备了一个函数 LastWord ，当给出单个字符串时它运行良好。
但是，当给定字符串向量时，它仍然适用于向量中的第一个字符串。这迫使我在与 mapply 一起使用时使用 mutate ，以添加如下所示的列。

LastWord <- function(InputWord) {
    stri_sub(InputWord,stri_locate_last(str=InputWord, fixed=" ")[1,1]+1, stri_length(InputWord))
}

df <- mutate(df, Last=mapply(LastWord, df$Term))

使用 mapply 会使过程非常缓慢。我通常需要一次处理大约 10 到 1500 万行或术语。这需要几个小时。

有人可以建议一种创建可与vector而不是字符串一起使用的 LastWord函数的方法吗？

Answer 1

你可以试试:

df$LastWord <- gsub(".* ([^ ]+)$", "\\1", df$Term)
df
             # Term  LastWord
# 1 this is for the       the
# 2   thank you for       for
# 3   the following following
# 4   the fact that      that
# 5       the first     first

在 gsub 调用中，括号之间的表达式至少匹配字符串末尾的任何非空格(而不是 [^ ]+ ， [a-zA-Z]+ 也可以)( $ )。它位于括号之间的事实允许使用 \\1 捕获表达式。所以 gsub 只保留括号之间的内容作为替换。

编辑:
正如@akrun 在评论中提到的，在这种情况下，也可以使用 sub 代替 gsub 。