R并行处理中foreach的combine参数结果合并方案咨询

你现在的写法每个迭代都会返回完整的原始数据框副本，用rbind合并自然会把所有副本堆叠起来，导致行数等于原行数×迭代次数。除了事后聚合，还有两种更直接的实现方式：

方案1：自定义foreach合并函数 #

直接在合并阶段按文本主键累加匹配标记，不需要后续额外聚合，改写下foreach的combine参数即可：

a = foreach(i = seq_along(z)
            , .packages = c("data.table")
            , .combine = function(dt1, dt2) {
                # 按text字段匹配，累加匹配标记
                dt1[dt2, on = .(text), flag_matched := flag_matched + i.flag_matched]
                return(dt1)
              }
) %dopar%
{
  df[, flag_matched := as.numeric(grepl(z[[i]], text, perl=T)) ]
}

注意这里迭代内不需要累加全局的flag_matched，每个迭代仅返回当前规则的匹配结果即可，合并逻辑会自动完成累加。

方案2：仅返回匹配标记向量，简化合并逻辑 #

不需要每次传递整个数据框，仅返回当前迭代的匹配结果向量，直接用加法合并，性能更高：

# 不需要提前初始化flag_matched列
a = foreach(i = seq_along(z)
            , .packages = c("data.table")
            , .combine = `+`
) %dopar%
{
  as.numeric(grepl(z[[i]], df$text, perl=T))
}
# 直接把求和后的结果赋值给原表即可
df[, flag_matched := a]

另外注意一个小问题：R字符串里的转义字符需要双写，你现在写的"\b"实际不会被识别为正则的单词边界，需要改成"\\b"才能正常生效。

内容的提问来源于stack exchange，提问作者Sweepy Dodo