data.table对象D中自定义提取尾词函数无法运行的技术求助

嘿，我来帮你搞定这个问题！首先，你的getLasTerm函数应该是针对单个字符串写的，但data.table是按向量批量操作的，直接传整列的话就会出问题——毕竟函数默认只处理单个值，没法自动遍历整个向量。下面给你两种思路，一种是改造你的函数适配向量，另一种是用更高效的原生矢量化操作（更推荐后者，因为data.table对矢量化操作的速度支持更好）。

首先，明确假设 #

我假设你的data.table里存待处理文本的列名叫input_text，所有文本都是用下划线_分隔的，比如"in_the_years"这种格式。如果列名不一样，你只要替换成自己的列名就行。

方法一：改造你的getLasTerm函数为矢量化版本 #

如果你想继续用自己写的函数，只需要用Vectorize()把它包装成支持向量输入的版本：

# 你的原函数
getLasTerm <- function(x, sep) {
  parts <- strsplit(x, sep)[[1]]
  parts[length(parts)]
}

# 转成矢量化函数
getLasTerm_vec <- Vectorize(getLasTerm)

# 在data.table中使用
D[, predict := getLasTerm_vec(input_text, "_")]

这样函数就会自动遍历input_text列的每一个元素，返回对应的最后一个词。

方法二：用更高效的原生矢量化操作（推荐） #

data.table配合stringi或者基础包的函数，能更快处理这类字符串操作，不需要额外包装函数：

1. 新增predict列（提取最后一个词） #

用stringi包的stri_last_split_fixed函数，它天生支持向量，而且速度很快：

library(stringi)
D[, predict := stri_last_split_fixed(input_text, "_", n = 2)[, 2]]

解释一下：n=2表示把字符串分成前半部分和最后一个词两部分，取第二部分就是我们要的最后一个词。

如果你不想装额外包，用基础包的strsplit配合sapply也可以：

D[, predict := sapply(strsplit(input_text, "_"), tail, n = 1)]

这里sapply会遍历strsplit返回的每个列表元素，用tail取最后一个元素。

2. 新增queryWord列（提取前2个词并合并） #

同样用stringi的方法，拆分后取前两个词再合并：

D[, queryWord := stri_join_list(lapply(stri_split_fixed(input_text, "_"), head, n = 2), sep = "_")]

或者用基础包的sapply：

D[, queryWord := sapply(strsplit(input_text, "_"), function(x) paste(head(x, 2), collapse = "_"))]

这个逻辑是：先拆分每个字符串为词的列表，取前两个，再用下划线把它们合并成一个字符串。

验证一下 #

假设你的D是这样的：

library(data.table)
D <- data.table(input_text = c("in_the_years", "one_two_three_four", "a_b_c"))

运行上面的代码后，D会变成：

input_text queryWord predict
1      in_the_years    in_the   years
2 one_two_three_four   one_two    four
3            a_b_c       a_b       c

完全符合你的需求！

内容的提问来源于stack exchange，提问作者Kpakpo