Tách chuỗi văn bản trong một cột data.table

Tôi có một tập lệnh đọc dữ liệu từ tệp CSV thành một data.tablevà sau đó chia văn bản trong một cột thành nhiều cột mới. Tôi hiện đang sử dụng các hàm lapplyvà strsplitđể làm việc này. Đây là một ví dụ:

library("data.table")
df = data.table(PREFIX = c("A_B","A_C","A_D","B_A","B_C","B_D"),
                VALUE  = 1:6)
dt = as.data.table(df)

# split PREFIX into new columns
dt$PX = as.character(lapply(strsplit(as.character(dt$PREFIX), split="_"), "[", 1))
dt$PY = as.character(lapply(strsplit(as.character(dt$PREFIX), split="_"), "[", 2))

dt 
#    PREFIX VALUE PX PY
# 1:    A_B     1  A  B
# 2:    A_C     2  A  C
# 3:    A_D     3  A  D
# 4:    B_A     4  B  A
# 5:    B_C     5  B  C
# 6:    B_D     6  B  D 

Trong ví dụ trên, cột PREFIXđược chia thành hai cột mới PXvà PYtrên ký tự "_".

Mặc dù điều này hoạt động tốt, tôi đã tự hỏi liệu có cách nào tốt hơn (hiệu quả hơn) để làm điều này bằng cách sử dụng không data.table. Bộ dữ liệu thực của tôi có> = 10 triệu + hàng, vì vậy hiệu quả về thời gian / bộ nhớ trở nên thực sự quan trọng.

CẬP NHẬT:

Theo gợi ý của @ Frank, tôi đã tạo một trường hợp thử nghiệm lớn hơn và sử dụng các lệnh được đề xuất, nhưng stringr::str_split_fixedmất nhiều thời gian hơn so với phương pháp ban đầu.

library("data.table")
library("stringr")
system.time ({
    df = data.table(PREFIX = rep(c("A_B","A_C","A_D","B_A","B_C","B_D"), 1000000),
                    VALUE  = rep(1:6, 1000000))
    dt = data.table(df)
})
#   user  system elapsed 
#  0.682   0.075   0.758 

system.time({ dt[, c("PX","PY") := data.table(str_split_fixed(PREFIX,"_",2))] })
#    user  system elapsed 
# 738.283   3.103 741.674 

rm(dt)
system.time ( {
    df = data.table(PREFIX = rep(c("A_B","A_C","A_D","B_A","B_C","B_D"), 1000000),
                     VALUE = rep(1:6, 1000000) )
    dt = as.data.table(df)
})
#    user  system elapsed 
#   0.123   0.000   0.123 

# split PREFIX into new columns
system.time ({
    dt$PX = as.character(lapply(strsplit(as.character(dt$PREFIX), split="_"), "[", 1))
    dt$PY = as.character(lapply(strsplit(as.character(dt$PREFIX), split="_"), "[", 2))
})
#    user  system elapsed 
#  33.185   0.000  33.191 

Vì vậy, str_split_fixedphương pháp này mất khoảng 20 lần lâu hơn.

Cập nhật: Từ phiên bản 1.9.6 (trên CRAN kể từ ngày 15 tháng 9), chúng tôi có thể sử dụng chức năng tstrsplit()để nhận kết quả trực tiếp (và theo cách hiệu quả hơn nhiều):

require(data.table) ## v1.9.6+
dt[, c("PX", "PY") := tstrsplit(PREFIX, "_", fixed=TRUE)]
#    PREFIX VALUE PX PY
# 1:    A_B     1  A  B
# 2:    A_C     2  A  C
# 3:    A_D     3  A  D
# 4:    B_A     4  B  A
# 5:    B_C     5  B  C
# 6:    B_D     6  B  D

tstrsplit()về cơ bản là một trình bao bọc transpose(strsplit()), nơi transpose()chức năng, cũng được triển khai gần đây, chuyển vị một danh sách. Vui lòng xem ?tstrsplit()và ?transpose()cho ví dụ.

Xem lịch sử để biết câu trả lời cũ.

Tôi thêm câu trả lời cho một người không sử dụng data.table v1.9.5 và cũng muốn có một giải pháp một dòng.

dt[, c('PX','PY') := do.call(Map, c(f = c, strsplit(PREFIX, '-'))) ]

Sử dụng splitstackshapegói:

library(splitstackshape)
cSplit(df, splitCols = "PREFIX", sep = "_", direction = "wide", drop = FALSE)
#    PREFIX VALUE PREFIX_1 PREFIX_2
# 1:    A_B     1        A        B
# 2:    A_C     2        A        C
# 3:    A_D     3        A        D
# 4:    B_A     4        B        A
# 5:    B_C     5        B        C
# 6:    B_D     6        B        D

Chúng ta có thể thử:

cbind(dt, fread(text = dt$PREFIX, sep = "_", header = FALSE))
#    PREFIX VALUE V1 V2
# 1:    A_B     1  A  B
# 2:    A_C     2  A  C
# 3:    A_D     3  A  D
# 4:    B_A     4  B  A
# 5:    B_C     5  B  C
# 6:    B_D     6  B  D

Với slimr, giải pháp là:

separate(df,col = "PREFIX",into = c("PX", "PY"), sep = "_")