私が作成した電話機検証関数に入力として使用するいくつかのカラムを持つデータテーブルがあります。カラム入力のある関数からdata.tableカラムを割り当て
library(data.table)
dt <- data.table(ID = c(1:6),
phone = c("0412 345 789","0438 123 456",
"041 2345 543", "(02) 1234 5678",
"9876 1234", "04123456789"),
state = c("NSW","QLD","SA"),
country = c("AU"),
phone_countries = c("AU","AU","AU","AU,US","AU,US","AU,US"))
# ID phone state country phone_countries
# 1: 1 0412 345 789 NSW AU AU
# 2: 2 0438 123 456 QLD AU AU
# 3: 3 041 2345 543 SA AU AU
# 4: 4 (02) 1234 5678 NSW AU AU,US
# 5: 5 9876 1234 QLD AU AU,US
# 6: 6 04123456789 SA AU AU,US
機能isValidPhone
は、このようになります(いくつかの異なる場所で電話番号を検証するために設計されています。私は簡潔にするために正規表現の一部を省略しています。)
isValidPhone <- function(phone, state, country, validation_countries) {
if (!(country %in% unlist(strsplit(validation_countries, ","))))
return(FALSE)
# remove whitespace, hyphens and brackets
phone_clean <- gsub("[[:space:]]|-|\\.|\\(|\\)", "", phone)
if (is.na(phone_clean) | phone_clean == '' | is.na(iconv(phone_clean, "", "ASCII")))
return(FALSE)
if (country == "AU") {
# append state area code if length is 8 digits
#print(paste("phone:", phone_clean, "state:", state))
if (nchar(phone_clean, "width") == 8)
if (state %in% c('ACT', 'NSW', 'QLD', 'VIC', 'TAS', 'SA', 'NT', 'WA'))
phone_clean <- switch (state,
'ACT' = paste0("02",phone_clean),
'NSW' = paste0("02",phone_clean),
'QLD' = paste0("07",phone_clean),
'VIC' = paste0("03",phone_clean),
'TAS' = paste0("03",phone_clean),
'SA' = paste0("08",phone_clean),
'NT' = paste0("08",phone_clean),
'WA' = paste0("08",phone_clean))
if (nchar(phone_clean, "width") == 9)
if(substr(phone_clean,1,1) %in% c(2:4,7,8))
phone_clean <- paste0("0", phone_clean)
return(grepl("^(?:\\+?61|0)[23478](?:[ -]?[0-9]){8}$",
as.character(phone_clean), ignore.case=TRUE))
}
}
私は、フィールドを割り当てています私data.table
dt
に残念ながら、私が使用したのですvalidphone
dt[, validphone := isValidPhone(phone, state, country, phone_countries), by = 1:nrow(dt)]
# ID phone state country phone_countries validphone
# 1: 1 0412 345 789 NSW AU AU TRUE
# 2: 2 0438 123 456 QLD AU AU TRUE
# 3: 3 041 2345 543 SA AU AU TRUE
# 4: 4 (02) 1234 5678 NSW AU AU,US TRUE
# 5: 5 9876 1234 QLD AU AU,US TRUE
# 6: 6 04123456789 SA AU AU,US FALSE
と呼ばby = 1:nrow(dt)
は、私がやっていないかのように、現在の見せかけのように、完全な列のデータを問題の原因となるパラメータに渡します。これは私の実際のデータセット(〜300K)と多くの関数呼び出しにつながり、パフォーマンスは低下します。
私はベクトル化された関数を使うほうがよいと読んだが、どうやってこれを行うことができるかはわかりません。
希望の結果を達成するためのより効率的な方法はありますか?
2番目の国の列の値は1つだけです。 –
その列はコンマ区切りの値のリストです。 'phone_countries'は時々" AU、US、UK "のように見えます。私は機能の一部が私の質問の対象に影響を与えるとは思わない。 – Dan
'nchar(...、" width ")'はあなたが望むものです – HubertL