Question

在我的问题中，我提到了data.frame或文件。这意味着，我会接受R和bash的解决方案。让我们来解决问题吧。

我有一个df /文件，它有大约1000列和100000行。我的任务是从这个df /文件中取出一个新文件，其中df1中的两列组合成一列，并由＆＃34; /＆＃34;分隔。棘手的是，我想要所有列的这个。为了更清楚，这是一个例子：

df1有10列

a b c d s f r t g g
f j g k r k d a f l 
f p j h g i t b k k
h j l u z b g b d h

我想要的是以下内容：df2有5列

a/b c/d s/f r/t g/g
f/j g/k r/k d/a f/l 
f/p j/h g/i t/b k/k
h/j l/u z/b g/b d/h

我知道我可以组合两个列，由＆＃34; /＆＃34;用功能粘贴。但不幸的是，我无法弄清楚如何在多列中使用它。也许有一个＆＃34; for循环＆＃34;？

我可以想象，对于bash，awk是解决方案，但我不知道它是如何正常工作的。因为我有非常大的文件，我猜bash是更快的方式。

先谢谢你的帮助。

最佳，托比

Answer 1

你可以尝试

df1 <- df[c(TRUE,FALSE)]
df2 <- df[c(FALSE,TRUE)]
as.data.frame(mapply(paste, df1, df2, sep="/"))
#   V1  V3  V5  V7  V9
#1 a/b c/d s/f r/t g/g
#2 f/j g/k r/k d/a f/l
#3 f/p j/h g/i t/b k/k
#4 h/j l/u z/b g/b d/h

或者你可以做到

as.data.frame(`dim<-`(paste(as.matrix(df1), 
                as.matrix(df2), sep="/"), dim(df1)))

Answer 2

如果您更喜欢使用文件，可以使用perl：

cat x.txt | perl -ne '$count = 1; s/ /(++$count % 2 == 0)?"\/":$&/ge;print'

为了了解此解决方案的性能，我生成了一个大型数据框：

d <- as.data.frame(matrix(sample(letters,size = 10^3*10^5,replace=T,),ncol=10^5))

将其保存为文本文件，并启动了perl one-liner，我的机器上花了47.5秒。

为了比较，我还评估了akrun解决方案system.time(df3 <- as.data.frame(mapply(paste, df1, df2, sep="/")))的运行时间，花了210.6秒，即4-5倍。 akrun建议的另一个解决方案，as.data.frame( dim＆lt; - (paste(as.matrix(df1), as.matrix(df2), sep="/"), dim(df1)))，在59.7秒内完成。

将data.frame / file中的两列连接到一个新data.frame / file中的1000列到一列

2 个答案: