R：pmatchが大きなデータフレーム

Question

のために働いていない私は2つのデータフレームを持って、最初の1（dt）すべてchrと第二1（TargetWord）の含まれている辞書は、同様chr含まれています。私はpmatchをで検索し、TargetWordで利用可能な単語を検索し、TargetWordから返されました。データフレームが小さいときはうまくいきます。 しかし、データフレームが巨大で、最初の列のみのワード位置が返され、残りの列がNAになっているときに問題が発生します。

## Data Table 
word_1 <- c("conflict","", "resolved", "", "", "") 
word_2 <- c("", "one", "tricky", "one", "", "one") 
word_3 <- c("thanks","", "", "comments", "par","") 
word_4 <- c("thanks","", "", "comments", "par","") 
word_5 <- c("", "one", "tricky", "one", "", "one") 
dt <- data.frame(word_1, word_2, word_3,word_4, word_5, stringsAsFactors = FALSE) 

## Targeted Words 
TargetWord <- data.frame(cbind(c("conflict", "thanks", "tricky", "one", "two", "three"))) 

## convert into matrix (needed) 
dt <- as.matrix(dt) 
TargetWord <- as.matrix(TargetWord) 

result <- `dim<-`(pmatch(dt, TargetWord, duplicates.ok=TRUE), dim(dt)) 
print(result) 

戻る結果、

 [,1] [,2] [,3] [,4] [,5] 
[1,] 1 NA 2 2 NA 
[2,] NA 4 NA NA 4 
[3,] NA 3 NA NA 3 
[4,] NA 4 NA NA 4 
[5,] NA NA NA NA NA 
[6,] NA 4 NA NA 4 

今すぐ怒鳴るなどの2つの .csvを読んだ後は、 結果はちょうど私が上記の結果などのすべての列のためにそれをしたい最初の列です。 Bellow、dt1 = 79 * 50データフレーム、およびword_dict 13901 * 1データフレーム。

#################### on big data ##################################### 
dt1 <- read.csv("C:/Users/Wonderland/Downloads/string_feature.csv", stringsAsFactors = FALSE) 
word_dict <- read.csv("C:/Users/Wonderland/Downloads/word_dict.csv", stringsAsFactors = FALSE) 

dt1 <- as.matrix(dt1) 
word_dict <- as.matrix(word_dict) 

result <- `dim<-`(pmatch(dt1, word_dict, duplicates.ok=TRUE), dim(dt1)) 
print(result) 

Answer 1

で試してみてくださいが適用されます。

apply(dt,2,function(x) pmatch(x,TargetWord,duplicates.ok = T)) 

あなたが見ることができるように、結果は同じであるが、それはおそらく、巨大なデータフレームで動作します

 word_1 word_2 word_3 word_4 word_5 
[1,]  1  NA  2  2  NA 
[2,]  NA  4  NA  NA  4 
[3,]  NA  3  NA  NA  3 
[4,]  NA  NA  NA  NA  NA 
[5,]  NA  NA  NA  NA  NA 
[6,]  NA  NA  NA  NA  NA 

私が試した：

word_1 <- rep(c("conflict","", "resolved", "", "", ""),1000) 
word_2 <- rep(c("", "one", "tricky", "one", "", "one"),1000) 
word_3 <- rep(c("thanks","", "", "comments", "par",""),1000) 
word_4 <- rep(c("thanks","", "", "comments", "par",""),1000) 
word_5 <- rep(c("", "one", "tricky", "one", "", "one"),1000) 

すべて同じコードで、それはworですked。