在 R 中使用 grepl答案

【问题标题】：Using grepl in R在 R 中使用 grepl
【发布时间】：2015-06-13 17:18:57
【问题描述】：

在哪些情况下，这两种不同的实现方式会产生不同的结果？

data(mtcars)
firstWay <- mtcars[grepl('6',mtcars$cyl),]
SecondWay <- mtcars[mtcars$cyl=='6',]

如果这些方法总是给出相同的结果，那么推荐哪种方法？为什么？谢谢

【问题讨论】：

标签： r grepl

【解决方案1】：

mtcars$cyl 是一个数字列，因此最好将其与使用 mtcars[mtcars$cyl == 6, ] 的数字进行比较。

但等式运算符== 和grepl 之间的区别在于，== 仅适用于等于"6" 的向量成员，而grepl 将匹配向量的任何成员向量中任何地方都有一个 6。

所以，例如：

String                                                   ==     grepl
6                                                        TRUE   TRUE
123456                                                   FALSE  TRUE
6ABC                                                     FALSE  TRUE
This is a long sentence which happens to have a 6 in it  FALSE  TRUE
Whereas this long sentence does not                      FALSE  FALSE

等效的grepl 模式将是“^6$”。 http://www.regular-expressions.info/tutorial.html 有一个关于正则表达式的教程（其中之一）。

【讨论】：

【解决方案2】：

嗯，我认为第一个区别是 grepl 即使您还不知道，您也可以进行子集化，例如 6，但您可以尝试搜索以 6 开头或结尾的行.

如果您尝试使用常规子集技术来执行此操作，您将得到一个空对象，因为例如^6，它不会被识别为正则表达式，而是被识别为带有符号^ 和6 的字符串。

我相信还有其他区别，但我相信专业用户会提供更详细的答案。

对于可能首选的操作系统，可能有效率的原因：

system.time(mtcars[grepl('^6',mtcars$cyl),])
   user  system elapsed 
  0.029   0.002   0.035 
system.time(mtcars[mtcars$cyl=='6',])
   user  system elapsed 
  0.031   0.002   0.046

这个小例子可能只是一个指南，正如@Nick K 建议的那样，首先必须对microbenchmark 进行进一步（和精确）的调查。当然，对于大数据集，我几乎不相信专业用户（或需要速度的用户）会喜欢它们，但也许它会依赖数据表，或者像dplyr 这样的工具，用低级语言编写，所以速度更快。

【讨论】：

system.time 对于像这样的快速表达式并没有多大用处。 microbenchmark @CactusWoman 的回答要好得多。

【解决方案3】：

使用包微基准，我们可以看到哪个更快

library(microbenchmark)
m <- microbenchmark(mtcars[grepl('6',mtcars$cyl),], mtcars[mtcars$cyl=='6',], times=10000)

    Unit: microseconds
                         expr     min      lq     mean  median      uq      max neval
 mtcars[grepl("6", mtcars$cyl), ] 229.080 234.738 247.5324 236.693 239.417 6713.914 10000
      mtcars[mtcars$cyl == "6", ] 214.902 220.210 231.0240 221.956 224.471 7759.507 10000

看起来== 更快，所以你应该尽可能使用它

但是，这些函数的作用并不完全相同。 grepl 搜索字符串是否存在，== 检查表达式是否相等

grepl("6", mtcars$disp)

 [1]  TRUE  TRUE FALSE FALSE  TRUE FALSE  TRUE  TRUE FALSE  TRUE  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE
[18] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

mtcars$disp == "6"

[1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[18] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

【讨论】：