用于子集字符串的 Rcpp 函数

Rcpp function for subsetting strings

本文关键字：Rcpp 函数 字符串 子集 用于      更新时间：2023-10-16

我想知道是否有一个Rcpp函数将Rcpp::String数据类型作为输入并返回字符串的给定字符(按索引(。例如，提取字符串索引 0 处的字符。这等效于 c++ 中string标头中的string::at方法。我写过这个：

#include <vector>
#include <string>
#include <Rcpp.h>
using namespace Rcpp;
typedef std::vector<std::string> stringList;
int SplitGenotypesA(std::string s) {
char a = s.at(0);
int b = a - '0';
return b;
}

但不希望在Rcpp::String和std::string类型之间进行转换。

您可以使用Rcpp::StringVector将字符串的 R 向量直接馈送到C++。这显然也可以处理单个元素。

获取向量第 i 个元素的第 n 个字符就像vector[i][n]一样简单。

因此，无需使用std::string即可执行此操作：

#include<Rcpp.h>
// [[Rcpp::export]]
Rcpp::NumericVector SplitGenotypesA(Rcpp::StringVector R_character_vector)
{
int number_of_strings = R_character_vector.size();
Rcpp::NumericVector result(number_of_strings);
for(int i = 0; i < number_of_strings; ++i)
{
char a = R_character_vector[i][0];
result[i] = a - '0';
}
return result;
}

现在在 R 中你可以做：

SplitGenotypesA("9C")
# [1] 9

或者更好的是，

SplitGenotypesA(c("1A", "2B", "9C"))
# [1] 1 2 9

这甚至比执行相同操作的本机 R 方法快一点：

microbenchmark::microbenchmark(
R_method    = as.numeric(substr(c("1A", "2B", "9C"), 1, 1)), 
Rcpp_method = SplitGenotypesA(c("1A", "2B", "9C")),
times = 1000)
# Unit: microseconds
#         expr   min    lq     mean median    uq    max neval
#     R_method 3.422 3.765 4.076722  4.107 4.108 46.881  1000
#  Rcpp_method 3.080 3.423 3.718779  3.765 3.765 32.509  1000
相关文章：