R：创建包含字符串最大值的新数据框列的更有效方法

Question

DF 示例：

country <- c('Australia', 'Italy', 'Peru', 'China')
score <- c("0.091", "0.413,.", "-", "0.102,0.102,0.102,.,.,.,.,.,.,.,.")
country_scores <- data.frame(country, score)

每个分数条目可以有任意数量的逗号分隔值或“-”表示没有数据。我希望提取字符串中的最大值并测试它是否满足特定阈值。我尝试了 https://stackoverflow.com/a/65121200/8621123 的解决方案，但在我的 130 万行和 186 列的数据帧上，该解决方案非常慢（至少 8 分钟）：

library(tidyverse)

country_scores %>%
  mutate(scores = str_extract_all(score, '\\d+(\\.\\d+)?'), 
         score_max = map_dbl(new, ~max(as.numeric(.x))))

Answer 1

看看这个

data.table

方法是否适用于您的数据

library(data.table)

setDT(country_scores)

country_scores[, max_score := sapply(strsplit(score, ","), \(x) 
  sort(as.numeric(x[!grepl("^\\.|^-$", x)]), decreasing=T)[1])]

输出

     country                             score max_score
      <char>                            <char>     <num>
1: Australia                             0.091     0.091
2:     Italy                           0.413,.     0.413
3:      Peru                                 -        NA
4:     China 0.102,0.102,0.102,.,.,.,.,.,.,.,.     0.102