В общем, вы должны попытаться использовать векторизованную функцию для начала. Использование strsplit
часто потребует какой-то итерации впоследствии (что будет медленнее), поэтому старайтесь избегать этого, если это возможно. В вашем примере вы должны использовать nchar
вместо:
> nchar(words)
[1] 1 5 5 3
В более общем случае используйте тот факт, что strsplit
возвращает список, и используйте lapply
:
> as.numeric(lapply(strsplit(words,""), length))
[1] 1 5 5 3
Или использовать семейную функцию l*ply
из plyr
. Например:
> laply(strsplit(words,""), length)
[1] 1 5 5 3
Edit:
В честь Bloomsday я решил проверить производительность этих подходов, используя Улисс Джойса:
joyce <- readLines("http://www.gutenberg.org/files/4300/4300-8.txt")
joyce <- unlist(strsplit(joyce, " "))
Теперь, когда у меня есть все слова, мы можем подсчитать:
> # original version
> system.time(print(summary(sapply(joyce, function (x) length(strsplit(x,"")[[1]])))))
Min. 1st Qu. Median Mean 3rd Qu. Max.
0.000 3.000 4.000 4.666 6.000 69.000
user system elapsed
2.65 0.03 2.73
> # vectorized function
> system.time(print(summary(nchar(joyce))))
Min. 1st Qu. Median Mean 3rd Qu. Max.
0.000 3.000 4.000 4.666 6.000 69.000
user system elapsed
0.05 0.00 0.04
> # with lapply
> system.time(print(summary(as.numeric(lapply(strsplit(joyce,""), length)))))
Min. 1st Qu. Median Mean 3rd Qu. Max.
0.000 3.000 4.000 4.666 6.000 69.000
user system elapsed
0.8 0.0 0.8
> # with laply (from plyr)
> system.time(print(summary(laply(strsplit(joyce,""), length))))
Min. 1st Qu. Median Mean 3rd Qu. Max.
0.000 3.000 4.000 4.666 6.000 69.000
user system elapsed
17.20 0.05 17.30
> # with ldply (from plyr)
> system.time(print(summary(ldply(strsplit(joyce,""), length))))
V1
Min. : 0.000
1st Qu.: 3.000
Median : 4.000
Mean : 4.666
3rd Qu.: 6.000
Max. :69.000
user system elapsed
7.97 0.00 8.03
Векторизованная функция и lapply
значительно быстрее, чем оригинальная sapply
версия. Все решения возвращают один и тот же ответ (как видно из итоговых результатов).
Очевидно, что последняя версия plyr
работает быстрее (используется немного более старая версия).