У меня есть data.frame, в котором некоторые переменные содержат текстовую строку. Я хочу подсчитать количество вхождений заданного символа в каждой отдельной строке.
Пример:
q.data<-data.frame(number=1:3, string=c("greatgreat", "magic", "not"))
Я хочу создать новый столбец для q.data с числом встречаемости "a" в строке (например, c (2,1,0)).
Единственный запутанный подход, которым я справился:
string.counter<-function(strings, pattern){
counts<-NULL
for(i in 1:length(strings)){
counts[i]<-length(attr(gregexpr(pattern,strings[i])[[1]], "match.length")[attr(gregexpr(pattern,strings[i])[[1]], "match.length")>0])
}
return(counts)
}
string.counter(strings=q.data$string, pattern="a")
number string number.of.a
1 1 greatgreat 2
2 2 magic 1
3 3 not 0
В пакете stringr предусмотрена функция str_count, которая, похоже, делает то, что вас интересует
# Load your example data
q.data<-data.frame(number=1:3, string=c("greatgreat", "magic", "not"), stringsAsFactors = F)
library(stringr)
# Count the number of 'a in each element of string
q.data$number.of.a <- str_count(q.data$string, "a")
q.data
# number string number.of.a
#1 1 greatgreat 2
#2 2 magic 1
#3 3 not 0
Если вы не хотите покидать базу R, здесь достаточно лаконичная и выразительная возможность:
x <- q.data$string
sapply(regmatches(x, gregexpr("g", x)), length)
# [1] 2 1 0
Обновление:. С R 3.2.0 можно использовать lengths(x) как более эффективную замену для sapply(x, length). Таким образом, приведенный выше код может быть просто
lengths(regmatches(x, gregexpr("g", x)))
nchar(as.character(q.data$string)) -nchar( gsub("a", "", q.data$string))
[1] 2 1 0
Обратите внимание, что я принуждаю переменную фактора к символу, прежде чем перейти к nchar. Кажется, что функции регулярных выражений делают это внутри.
Здесь результаты тестов (с увеличенным размером теста до 3000 строк)
q.data<-q.data[rep(1:NROW(q.data), 1000),]
str(q.data)
'data.frame': 3000 obs. of 3 variables:
$ number : int 1 2 3 1 2 3 1 2 3 1 ...
$ string : Factor w/ 3 levels "greatgreat","magic",..: 1 2 3 1 2 3 1 2 3 1 ...
$ number.of.a: int 2 1 0 2 1 0 2 1 0 2 ...
benchmark( Dason = { q.data$number.of.a <- str_count(as.character(q.data$string), "a") },
Tim = {resT <- sapply(as.character(q.data$string), function(x, letter = "a"){
sum(unlist(strsplit(x, split = "")) == letter) }) },
DWin = {resW <- nchar(as.character(q.data$string)) -nchar( gsub("a", "", q.data$string))},
Josh = {x <- sapply(regmatches(q.data$string, gregexpr("g",q.data$string )), length)}, replications=100)
#-----------------------
test replications elapsed relative user.self sys.self user.child sys.child
1 Dason 100 4.173 9.959427 2.985 1.204 0 0
3 DWin 100 0.419 1.000000 0.417 0.003 0 0
4 Josh 100 18.635 44.474940 17.883 0.827 0 0
2 Tim 100 3.705 8.842482 3.646 0.072 0 0
sum(charToRaw("abc.d.aa") == charToRaw('.'))
- хороший вариант.
Я уверен, что кто-то может сделать лучше, но это работает:
sapply(as.character(q.data$string), function(x, letter = "a"){
sum(unlist(strsplit(x, split = "")) == letter)
})
greatgreat magic not
2 1 0
или в функции:
countLetter <- function(charvec, letter){
sapply(charvec, function(x, letter){
sum(unlist(strsplit(x, split = "")) == letter)
}, letter = letter)
}
countLetter(as.character(q.data$string),"a")
s <- "aababacababaaathhhhhslsls jsjsjjsaa ghhaalll"
p <- "a"
s2 <- gsub(p,"",s)
numOcc <- nchar(s) - nchar(s2)
Не может быть эффективным, но решить мою цель.
Я считаю символы так же, как Amarjeet. Однако я предпочитаю делать это в одной строке.
HowManySpaces<-nchar(DF$string)-nchar(gsub(" ","",DF$string)) # count spaces in DF$string
Самый простой и самый чистый способ IMHO:
q.data$number.of.a <- lengths(gregexpr('a', q.data$string))
# number string number.of.a`
#1 1 greatgreat 2`
#2 2 magic 1`
#3 3 not 0`