Szybszy sposób przycinania długiego wektora znaków w R

Question

Mam duży zestaw danych z około 500 000 wierszy. Każda z nich to ciągi. Chciałbym przyciąć wszystkie wiersze do ustalonego rozmiaru.

Znalazłem to:

dt$rev <- strtrim(dt$rev, width=max_len) 

Jednak to trwa zbyt długo. Czy jest szybszy sposób?

Answer 1

Nie ma to nic wspólnego z data.table. Po prostu strtrim() jest dość powolny.

Dopóki operujesz na znakach o pojedynczej szerokości (tzn. Znakach, które nie są na przykład chińskie/japońskie/koreańskie), możesz zamiast tego użyć numeru substr(), który jest znacznie szybszy.

## Make a long character vector with 5 million elements 
x <- rep(state.name, 1e5) 

## Speed comparison 
system.time(substr(x, 1, 3)) 
# user system elapsed 
# 0.43 0.00 0.44 
system.time(strtrim(x, 3)) 
# user system elapsed 
# 44.63 0.03 44.85 

## Confirm that both methods return the same output 
identical(substr(state.name,1,3), strtrim(state.name,3)) 
# [1] TRUE