r - 在 R 中解析 "continent/country/city"向量的快速方法

Question

我在 R 中有一个字符向量，每个字符串由“大陆/国家/城市”组成，例如

x=rep("Africa / Kenya / Nairobi", 1000000)

但是“/”偶尔会在没有括号空格的情况下被错误输入为“/”，并且在某些情况下城市也丢失了，因此它会例如是“非洲/肯尼亚”，没有城市。
我想将其解析为三个向量大陆、国家和城市，如果缺少城市，则使用 NA。
对于国家，我现在做了类似的事情

country = sapply(x, function(loc) trimws(strsplit(loc,"/", fixed = TRUE)[[1]][2]))

但是如果向量 x 很长，那会很慢。在 R 中解析它的有效方法是什么？

Answer 1

考虑使用 read.table来自 base R

read.table(text = x, sep = "/", header = FALSE,
      fill = TRUE, strip.white = TRUE, na.strings = "")
      V1    V2      V3
1 Africa Kenya Nairobi
2 Africa Kenya Nairobi
3 Africa Kenya    <NA>

或使用 fread来自 data.table

library(data.table)
fread(text = paste(x, collapse="\n"), sep="/", fill = TRUE, na.strings = "")
   Africa Kenya Nairobi
1: Africa Kenya Nairobi
2: Africa Kenya    <NA>

基准

x <- rep("Africa / Kenya / Nairobi", 1000000)
> 
> system.time(fread(text = paste(x, collapse="\n"), sep="/", fill = TRUE, na.strings = ""))
   user  system elapsed 
  0.473   0.024   0.496 

> system.time(read.table(text = x, sep = "/", header = FALSE,
+       fill = TRUE, strip.white = TRUE, na.strings = ""))
   user  system elapsed 
  0.519   0.026   0.543 

> system.time({  #Using data.table
+   y <- do.call(cbind, data.table::tstrsplit(x, "/", TRUE))
+   y <- trimws(y, whitespace = " ")
+ })
   user  system elapsed 
  2.035   0.051   2.067 

数据

x <- c("Africa / Kenya / Nairobi", "Africa/Kenya/Nairobi", "Africa / Kenya")