R-根据多个列表中的一个列表的匹配项为向量赋值

我有一个包含文本字符串的向量的数据帧。我试图根据每个字符串是否包含在多个列表中的一个列表中，将这些字符串重新编码为一个值（0，1，2，…），并在数据帧中分配给一个新向量

例如：

vector = c( "A", "B", "C", "D", "E")
list1 = c("B", "G", "P", "Z")
list2 = c("A", "E", "M", "Q")
list3 = everything not in list1 or list2

根据向量[i]是否包含在列表1、列表2或列表3中，新向量应分配“0”、“1”或“2”：

new_vector = (2, 1, 3, 3, 2)

我尝试了各种%in%的排列，但问题是“vector”非常长（数十万个元素），我匹配的一些列表也相当长（10-30个元素）。我有一些有效的语句，但速度非常慢。看着苔藓慢慢生长

---

要以最佳方式加速这种复杂的匹配场景，R的“窍门”是什么？

首先，您应该将列表存储在单个对象中，而不是使用编号的名称：

L = list(list1, list2)

然后可以使用data.table进行快速匹配：

library(data.table)
LDT = rbindlist(lapply(L, data.table), idcol = TRUE)
vDT = data.table(v = vector)

vDT[, id := LDT[vDT, on=.(V1 = v), .id]]

#    v id
# 1: A  2
# 2: B  1
# 3: C NA
# 4: D NA
# 5: E  2

没有必要为“不在其他列表中的所有内容”创建一个列表。它可以被分配为NA，如下所示

如果您的列表不是不相交的，这将以奇怪的方式中断，因此如果是这种情况，您可能需要设置一个规则来停止：

stopifnot( !anyDuplicated(LDT[, "V1"]) )

---

工作原理

LDT和vDT是表，联接的语法是

x[i，on=，j]

。联接使用

i

查找

x

中的行

j

是使用匹配行计算的某个值（此处，仅为

i

中的一列）

---

要分配列，请使用

j

参数，如

colname:=expression

。有关详细信息，请参阅。

OMG，这非常有效！。谢谢你，弗兰克-你真的救了我的命！这绝对是我藏在我个人图书馆里的一个把戏。