Napisałem następujący kod R, który identyfikuje duplikaty plików w katalogu. Jak można wektoryzować pętlę for za pomocą pakietu plyr (lub podobnego)? Chciałbym osiągnąć bardziej idiomatyczne rozwiązanie R niż to, które wymyśliłem.Jak wektoryzacji tego kodu R Korzystanie z Plyr, Apply lub podobne?
library("digest") # to compute the MD5 digest
test_dir = "/Users/user/Dropbox/kaggle/r_projects/test_photo"
filelist <- dir(test_dir, pattern = "JPG|AVI", recursive=TRUE,
all.files =TRUE, full.names=TRUE)
fl = list() #create and empty list to hold md5's and filenames
for (itm in filelist) {
file_digest = digest(itm, file=TRUE, algo="md5")
fl[[file_digest]]= c(fl[[file_digest]],itm)
}
fl
wyjście jest (za pomocą małego katalog test):
> fl
$`5715b719723c5111b3a38a6ff8b7ca56`
[1] "/Users/user/Dropbox/kaggle/r_projects/test_photo/folder_a/IMG_3480 copy.JPG"
[2] "/Users/user/Dropbox/kaggle/r_projects/test_photo/folder_a/IMG_3480.JPG"
$`24fd4d7d252ca66c8d7a88b539c55112`
[1] "/Users/user/Dropbox/kaggle/r_projects/test_photo/folder_a/IMG_3481 copy.JPG"
[2] "/Users/user/Dropbox/kaggle/r_projects/test_photo/folder_a/IMG_3481.JPG"
[3] "/Users/user/Dropbox/kaggle/r_projects/test_photo/folder_b/IMG_3481.JPG"
$`2a1d668c874dc856b9df0fbf3f2e81ec`
[1] "/Users/user/Dropbox/kaggle/r_projects/test_photo/folder_a/IMG_3482 copy.JPG"
[2] "/Users/user/Dropbox/kaggle/r_projects/test_photo/folder_a/IMG_3482.JPG"
[3] "/Users/user/Dropbox/kaggle/r_projects/test_photo/folder_b/IMG_3482 copy.JPG"
[4] "/Users/user/Dropbox/kaggle/r_projects/test_photo/folder_b/IMG_3482.JPG"
Próbowałem:
h=ldply(filelist, digest, file=TRUE, algo="md5")
h$filenames=filelist
ale skończyło się z unikalnym rzędzie dla każdej pary wartości klucza (MD5 , Nazwa pliku). Nie byłem w stanie uzyskać pożądanej mocy kompaktowej.
(Tło: W ramach ćwiczenia skonwertowałem kod Pythona przedstawiony przez Raymonda Hettingera w jego hicie PyCon AU 2011 "What Makes Python Awesome" .Zjedzenia są tutaj: http://slidesha.re/WKkh9M. Byłem w stanie przeciąć LOC na pół, ale myślę, że mogę zrobić lepiej - i dowiedzieć się więcej - przez wektoryzację).
albo podążać za polecenie '' ldply' ze split (h, h $ Digest) '? –
Arun and Ben - moim celem jest posiadanie listy, której kluczami są skróty md5, a wartości są listami nazw plików odpowiadających każdemu unikatowemu kluczowi (patrz przykładowe wyjście). Po uruchomieniu ldply (seq_along (filelist), function (idx) c (digest (filelist [idx], file = TRUE, algo = "md5"), filelist [idx])) wyniki są duplikowane klucze md5 i skojarzona nazwa pliku wartości. Próbowałem potykać się przez stopienie i odlewać bezskutecznie. – goplayer