R 在data.table中拆分和合并字符串

假设我有以下数据：

kat  = c("a.b.c.d.e.f", "a.c.e.d.f.s", "a.v")

基准R中的期望输出：

> splitted = strsplit(kat, "[.]")
> kat2 = sapply(splitted, function(x) paste(x[1:min(5, length(x))], collapse = "."))
> kat2
[1] "a.b.c.d.e" "a.c.e.d.f" "a.v" 

问题：如何使用data.table（以“可读”的方式）：

我知道如何在技术上做到正确：

dat = data.table(kat = kat)
dat[, kat := sapply(strsplit(kat, "[.]"), 
                    function(x) paste(x[1:min(5, length(x))], collapse = "."))]

但我发现它不是真正可读的，特别是如果我为更长的操作使用它

我是否必须为每个操作创建一个函数

kat3 = function(str){
  splitted = strsplit(str, "[.]")
  sapply(splitted, function(x) paste(x[1:min(5, length(x))], collapse = "."))
}

dat[, kat := kat3(kat)][]

或者可以在data.table的索引中执行此操作吗

dat[, kat := function(kat){
  splitted = strsplit(kat, "[.]")[[1]]
  paste(splitted[1:min(5, length(splitted))], collapse = ".")
  }, ]

---

最后一次尝试失败，因为需要将向量返回给kat

sapply

或

Vectorize

可以帮助实现这一点

“[.data.table”（dat，`:=`（kat2，函数（kat）{：赋值的RHS不是空的，不是原子向量（请参见？is.atomic）也不是列表列）。 smt[1]“a.b.c.d.e” #使用矢量化或sapply smt_v a.b.c.d.e.f a.c.e.d.f.s a.v #>“a.b.c.d.e”“a.c.e.d.f”“a.v” Sappy（kat、smt） #>a.b.c.d.e.f a.c.e.d.f.s a.v #>“a.b.c.d.e”“a.c.e.d.f”“a.v”

---

如果要对许多变量执行此操作，则可以循环使用它们或使用lappy和.SDcols参数。如果有许多转换，则编写

函数.R

脚本并进行寻源，这可能是进一步研究的最佳方法。：）

您上次尝试失败，因为您需要将向量返回给kat。

sapply

或

Vectorize

可以提供帮助

“[.data.table”（dat，`:=`（kat2，函数（kat）{：赋值的RHS不是空的，不是原子向量（请参见？is.atomic）也不是列表列）。 smt[1]“a.b.c.d.e” #使用矢量化或sapply smt_v a.b.c.d.e.f a.c.e.d.f.s a.v #>“a.b.c.d.e”“a.c.e.d.f”“a.v” Sappy（kat、smt） #>a.b.c.d.e.f a.c.e.d.f.s a.v #>“a.b.c.d.e”“a.c.e.d.f”“a.v”

---

如果要对许多变量执行此操作，则可以循环使用它们或使用lappy和.SDcols参数。如果有许多转换，则编写

函数.R

脚本并进行寻源，这可能是进一步研究的最佳方法。：）

使用正则表达式解决问题的另一种方法，在正则表达式中，我们提取单词直到出现第n个字符（此处为点）。这避免了字符串的拆分和连接步骤

从和@Nathan Werth获取正则表达式帮助

library(data.table)
dat[, kat1 := stringr::str_extract(kat, "^(([^\\.]*\\.){0,4}[^\\.]*)")]

dat
#           kat      kat1
#1: a.b.c.d.e.f a.b.c.d.e
#2: a.c.e.d.f.s a.c.e.d.f
#3:         a.v       a.v

---

另一种解决问题的方法是使用正则表达式，我们提取单词直到出现第n个字符（这里是一个点）。这避免了字符串的拆分和连接步骤

从和@Nathan Werth获取正则表达式帮助

library(data.table)
dat[, kat1 := stringr::str_extract(kat, "^(([^\\.]*\\.){0,4}[^\\.]*)")]

dat
#           kat      kat1
#1: a.b.c.d.e.f a.b.c.d.e
#2: a.c.e.d.f.s a.c.e.d.f
#3:         a.v       a.v

---

对于您发布的数据，您可以使用data.table中的

substr（kat，1，10）

或

dat[，kat:=substr（kat，1，10）]

获得相同的结果。实际上

substr（kat，1，9）

：）

sapply

可以用于交互式会话，但不要将其用于编程。使用

vapply

对您知道输出的维度和类型的事实进行编码。@Ronaksha您可以给出匹配数的范围，因此您的解决方案只需进行一个小的编辑：

stringr:：stru extract（kat，“^（[^\.]*\）{0,4}[^\.]*”）

@NathanWerth ohh..是的。谢谢。我不确定我是否应该将其作为答案发布。对于您发布的数据，您将使用

substr（kat，1，10）

或

dat[，kat:=substr（kat，1，10）]

在data.table中获得相同的结果。实际上

substr（kat，1，9）

：）

sapply

可以用于交互式会话，但不要将其用于编程。使用

vapply

对您知道输出的维度和类型的事实进行编码。@Ronaksha您可以给出匹配数的范围，因此您的解决方案只需进行一个小的编辑：

stringr:：stru extract（kat，“^（[^\.]*\）{0,4}[^\.]*”）

@NathanWerth ohh..是的，谢谢。但我不确定是否应该将其作为答案发布。