Divida a string de texto em colunas data.table

Eu tenho um script que lê os dados de um arquivo CSV em um data.tablee divide o texto em uma coluna em várias colunas novas. Atualmente, estou usando as funções lapplye strsplitpara fazer isso. Aqui está um exemplo:

library("data.table")
df = data.table(PREFIX = c("A_B","A_C","A_D","B_A","B_C","B_D"),
                VALUE  = 1:6)
dt = as.data.table(df)

# split PREFIX into new columns
dt$PX = as.character(lapply(strsplit(as.character(dt$PREFIX), split="_"), "[", 1))
dt$PY = as.character(lapply(strsplit(as.character(dt$PREFIX), split="_"), "[", 2))

dt 
#    PREFIX VALUE PX PY
# 1:    A_B     1  A  B
# 2:    A_C     2  A  C
# 3:    A_D     3  A  D
# 4:    B_A     4  B  A
# 5:    B_C     5  B  C
# 6:    B_D     6  B  D 

No exemplo acima, a coluna PREFIXé dividida em duas novas colunas PXe PYno caractere "_".

Mesmo que isso funcione bem, eu queria saber se existe uma maneira melhor (mais eficiente) de fazer isso usando data.table. Meus conjuntos de dados reais têm> = 10M + linhas, então a eficiência de tempo / memória torna-se muito importante.

ATUALIZAR:

Seguindo a sugestão de @Frank, criei um caso de teste maior e usei os comandos sugeridos, mas o stringr::str_split_fixedmétodo demora muito mais do que o original.

library("data.table")
library("stringr")
system.time ({
    df = data.table(PREFIX = rep(c("A_B","A_C","A_D","B_A","B_C","B_D"), 1000000),
                    VALUE  = rep(1:6, 1000000))
    dt = data.table(df)
})
#   user  system elapsed 
#  0.682   0.075   0.758 

system.time({ dt[, c("PX","PY") := data.table(str_split_fixed(PREFIX,"_",2))] })
#    user  system elapsed 
# 738.283   3.103 741.674 

rm(dt)
system.time ( {
    df = data.table(PREFIX = rep(c("A_B","A_C","A_D","B_A","B_C","B_D"), 1000000),
                     VALUE = rep(1:6, 1000000) )
    dt = as.data.table(df)
})
#    user  system elapsed 
#   0.123   0.000   0.123 

# split PREFIX into new columns
system.time ({
    dt$PX = as.character(lapply(strsplit(as.character(dt$PREFIX), split="_"), "[", 1))
    dt$PY = as.character(lapply(strsplit(as.character(dt$PREFIX), split="_"), "[", 2))
})
#    user  system elapsed 
#  33.185   0.000  33.191 

Portanto, o str_split_fixedmétodo leva cerca de 20 vezes mais.

Atualização: A partir da versão 1.9.6 (no CRAN a partir de Set'15), podemos usar a função tstrsplit()para obter os resultados diretamente (e de forma muito mais eficiente):

require(data.table) ## v1.9.6+
dt[, c("PX", "PY") := tstrsplit(PREFIX, "_", fixed=TRUE)]
#    PREFIX VALUE PX PY
# 1:    A_B     1  A  B
# 2:    A_C     2  A  C
# 3:    A_D     3  A  D
# 4:    B_A     4  B  A
# 5:    B_C     5  B  C
# 6:    B_D     6  B  D

tstrsplit()basicamente é um wrapper para transpose(strsplit()), onde a transpose()função, também implementada recentemente, transpõe uma lista. Por favor, veja ?tstrsplit()e ?transpose()para exemplos.

Veja a história para respostas antigas.

Acrescento resposta para quem não usa data.table v1.9.5 e também quer uma solução de uma linha.

dt[, c('PX','PY') := do.call(Map, c(f = c, strsplit(PREFIX, '-'))) ]

Usando o splitstackshapepacote:

library(splitstackshape)
cSplit(df, splitCols = "PREFIX", sep = "_", direction = "wide", drop = FALSE)
#    PREFIX VALUE PREFIX_1 PREFIX_2
# 1:    A_B     1        A        B
# 2:    A_C     2        A        C
# 3:    A_D     3        A        D
# 4:    B_A     4        B        A
# 5:    B_C     5        B        C
# 6:    B_D     6        B        D

Podemos tentar:

cbind(dt, fread(text = dt$PREFIX, sep = "_", header = FALSE))
#    PREFIX VALUE V1 V2
# 1:    A_B     1  A  B
# 2:    A_C     2  A  C
# 3:    A_D     3  A  D
# 4:    B_A     4  B  A
# 5:    B_C     5  B  C
# 6:    B_D     6  B  D

Com o tidyr, a solução é:

separate(df,col = "PREFIX",into = c("PX", "PY"), sep = "_")