用于子集字符串的 Rcpp 函数

Question

我想知道是否有一个 Rcpp 函数将 Rcpp::String 数据类型作为输入并 returns 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。这相当于 c++ 中 string header 中的 string::at 方法。我写了这个：

#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;
}

但不想在 Rcpp::String 和 std::string 类型之间进行转换。

Answer 1

您可以使用 Rcpp::StringVector 将字符串的 R 向量直接提供给 C++。这显然也会处理单个元素。

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

所以，不用 std::string 你可以这样做：

#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

或更好，

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

这甚至比做同样事情的原生 R 方法还要快一点：

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

用于子集字符串的 Rcpp 函数

Rcpp function for subsetting strings

c++

r

rcpp