Làm thế nào để tính số lần xuất hiện của một ký tự đã cho trong mỗi hàng của cột chuỗi?

Tôi có data.frame trong đó các biến nhất định chứa một chuỗi văn bản. Tôi muốn đếm số lần xuất hiện của một ký tự nhất định trong mỗi chuỗi riêng lẻ.

Thí dụ:

q.data<-data.frame(number=1:3, string=c("greatgreat", "magic", "not"))

Tôi muốn tạo một cột mới cho q.data với số lần xuất hiện của "a" trong chuỗi (tức là. C (2,1,0)).

Cách tiếp cận phức tạp duy nhất mà tôi đã quản lý là:

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

Gói stringr cung cấp str_counthàm dường như thực hiện những gì bạn quan tâm

# 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's 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

Nếu bạn không muốn rời cơ sở R, đây là một khả năng khá ngắn gọn và dễ hiểu:

x <- q.data$string
lengths(regmatches(x, gregexpr("a", x)))
# [1] 2 1 0

nchar(as.character(q.data$string)) -nchar( gsub("a", "", q.data$string))
[1] 2 1 0

Lưu ý rằng tôi buộc biến yếu tố thành ký tự, trước khi chuyển sang nchar. Các hàm regex dường như thực hiện điều đó bên trong.

Đây là kết quả điểm chuẩn (với kích thước bài kiểm tra được mở rộng thành 3000 hàng)

 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('.'))

là một lựa chọn tốt.

Các stringigói cung cấp các chức năng stri_countvà stri_count_fixedđó là rất nhanh.

stringi::stri_count(q.data$string, fixed = "a")
# [1] 2 1 0

điểm chuẩn

So với cách tiếp cận nhanh nhất từ câu trả lời của @ 42- và hàm tương đương từ stringrgói cho một vectơ có 30.000 phần tử.

library(microbenchmark)

benchmark <- microbenchmark(
  stringi = stringi::stri_count(test.data$string, fixed = "a"),
  baseR = nchar(test.data$string) - nchar(gsub("a", "", test.data$string, fixed = TRUE)),
  stringr = str_count(test.data$string, "a")
)

autoplot(benchmark)

dữ liệu

q.data <- data.frame(number=1:3, string=c("greatgreat", "magic", "not"), stringsAsFactors = FALSE)
test.data <- q.data[rep(1:NROW(q.data), 10000),]

Một biến thể của https://stackoverflow.com/a/12430764/589165 là

> nchar(gsub("[^a]", "", q.data$string))
[1] 2 1 0

Tôi chắc ai đó có thể làm tốt hơn, nhưng điều này hiệu quả:

sapply(as.character(q.data$string), function(x, letter = "a"){
  sum(unlist(strsplit(x, split = "")) == letter)
})
greatgreat      magic        not 
     2          1          0 

hoặc trong một hàm:

countLetter <- function(charvec, letter){
  sapply(charvec, function(x, letter){
    sum(unlist(strsplit(x, split = "")) == letter)
  }, letter = letter)
}
countLetter(as.character(q.data$string),"a")

Bạn chỉ có thể sử dụng phân chia chuỗi

require(roperators)
my_strings <- c('apple', banana', 'pear', 'melon')
my_strings %s/% 'a'

Điều này sẽ cho bạn 1, 3, 1, 0. Bạn cũng có thể sử dụng phép chia chuỗi với các biểu thức chính quy và toàn bộ từ.

Cách dễ nhất và sạch nhất IMHO là:

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`

Câu hỏi dưới đây đã được chuyển đến đây, nhưng có vẻ như trang này không trực tiếp trả lời câu hỏi của Farah El. Cách tìm số 1 trong 101 trong R

Vì vậy, tôi sẽ viết một câu trả lời ở đây, đề phòng.

library(magrittr)
n %>% # n is a number you'd like to inspect
  as.character() %>%
  str_count(pattern = "1")

https://stackoverflow.com/users/8931457/farah-el

Tuy nhiên, một base Rlựa chọn khác có thể là:

lengths(lapply(q.data$string, grepRaw, pattern = "a", all = TRUE, fixed = TRUE))

[1] 2 1 0

Biểu thức tiếp theo thực hiện công việc và cũng hoạt động cho các biểu tượng, không chỉ chữ cái.

Biểu thức hoạt động như sau:

1: nó sử dụng lapply trên các cột của khung dữ liệu q.data để lặp qua các hàng của cột 2 ("lapply (q.data [, 2],"),

2: nó áp dụng cho mỗi hàng của cột 2 một hàm "function (x) {sum ('a' == strsplit (as.character (x), '') [[1]])}". Hàm nhận từng giá trị hàng của cột 2 (x), chuyển đổi thành ký tự (ví dụ: trong trường hợp nó là một hệ số) và nó thực hiện việc tách chuỗi trên mọi ký tự ("strsplit (as.character (x), ' ') "). Kết quả là chúng ta có một vectơ aa với mỗi ký tự của giá trị chuỗi cho mỗi hàng của cột 2.

3: Mỗi giá trị vector của vector được so sánh với ký tự mong muốn được đếm, trong trường hợp này là "a" ("'a' =="). Thao tác này sẽ trả về một vectơ có giá trị True và False "c (True, False, True, ....)", là True khi giá trị trong vectơ khớp với ký tự mong muốn được đếm.

4: Tổng số lần ký tự 'a' xuất hiện trong hàng được tính bằng tổng của tất cả các giá trị 'Đúng' trong vectơ "sum (....)".

5: Sau đó, nó được áp dụng hàm "unlist" để giải nén kết quả của hàm "lapply" và gán nó vào một cột mới trong dataframe ("q.data $ number.of.a <-unlist (.... ")

q.data$number.of.a<-unlist(lapply(q.data[,2],function(x){sum('a' == strsplit(as.character(x), '')[[1]])}))

>q.data

#  number     string     number.of.a
#1   greatgreat         2
#2      magic           1
#3      not             0

s <- "aababacababaaathhhhhslsls jsjsjjsaa ghhaalll"
p <- "a"
s2 <- gsub(p,"",s)
numOcc <- nchar(s) - nchar(s2)

Có thể không phải là một trong những hiệu quả nhưng giải quyết mục đích của tôi.