_"001"
_または_"100"
_または_"000"
_が_0
_および_1
_の4文字の文字列で発生するかどうかを確認します。たとえば、4文字の文字列は、_"1100"
_または_"0010"
_または_"1001"
_または_"1111"
_のようになります。文字列内の多くの文字列を1つのコマンドで照合するにはどうすればよいですか?
Grepをパターンマッチングに使用できることは知っていますが、grepを使用すると、一度に1つの文字列しかチェックできません。他のコマンドやgrep自体で複数の文字列を使用できるかどうかを知りたいです。
はい、できます。 grep
パターンの|
は、or
と同じ意味です。そのため、パターンとして"001|100|000"
を使用してパターンをテストできます。同時に、grep
はベクトル化されるため、これらすべてを1つのステップで実行できます。
x <- c("1100", "0010", "1001", "1111")
pattern <- "001|100|000"
grep(pattern, x)
[1] 1 2 3
これは、一致するパターン(この場合、最初の3つ)が含まれたベクトルのインデックスを返します。
場合によっては、ベクトルのどの要素が一致したかを示す論理ベクトルを用意すると便利なことがあります。次に、grepl
を使用できます。
grepl(pattern, x)
[1] TRUE TRUE TRUE FALSE
Rの正規表現については、?regex
を参照してください。
編集:手動でパターンを作成しないようにするには、paste
を使用できます。
myValues <- c("001", "100", "000")
pattern <- paste(myValues, collapse = "|")
stringr
パッケージを使用した1つのソリューションを次に示します
require(stringr)
mylist = c("1100", "0010", "1001", "1111")
str_locate(mylist, "000|001|100")
追加のパターンを追加するには、-e引数を使用します。
echo '1100' | grep -e '001' -e '110' -e '101'
これを追加の回答にして申し訳ありませんが、コメントには行が多すぎます。
私が思い出したいのは、単一の一致パターンとして使用するためにpaste(..., collapse = "|")
を介して貼り付けることができる項目の数は限られていることです-以下を参照してください。たぶん誰かが限界がどこにあるのかわかるでしょうか?確かにその数は現実的ではないかもしれませんが、実行するタスクによっては、考慮から完全に除外すべきではありません。
非常に多数のアイテムの場合、パターンの各アイテムをチェックするためにループが必要になります。
set.seed(0)
samplefun <- function(n, x, collapse){
paste(sample(x, n, replace=TRUE), collapse=collapse)
}
words <- sapply(rpois(10000000, 8) + 1, samplefun, letters, '')
text <- sapply(rpois(1000, 5) + 1, samplefun, words, ' ')
#since execution takes a while, I have commented out the following lines
#result <- grepl(paste(words, collapse = "|"), text)
# Error in grepl(pattern, text) :
# invalid regular expression
# 'wljtpgjqtnw|twiv|jphmer|mcemahvlsjxr|grehqfgldkgfu|
# ...
#result <- stringi::stri_detect_regex(text, paste(words, collapse = "|"))
# Error in stringi::stri_detect_regex(text, paste(words, collapse = "|")) :
# Pattern exceeds limits on size or complexity. (U_REGEX_PATTERN_TOO_BIG)
論理ベクトルが必要な場合は、stri_detect
関数はstringi
パッケージから。あなたの場合、パターンは正規表現ですので、これを使用してください:
stri_detect_regex(x, pattern)
## [1] TRUE TRUE TRUE FALSE
そしていくつかのベンチマーク:
require(microbenchmark)
test <- stri_paste(stri_Rand_strings(100000, 4, "[0-1]"))
head(test)
## [1] "0001" "1111" "1101" "1101" "1110" "0110"
microbenchmark(stri_detect_regex(test, pattern), grepl(pattern, test))
Unit: milliseconds
expr min lq mean median uq max neval
stri_detect_regex(test, pattern) 29.67405 30.30656 31.61175 30.93748 33.14948 35.90658 100
grepl(pattern, test) 36.72723 37.71329 40.08595 40.01104 41.57586 48.63421 100
%like%
ライブラリのdata.table
演算子を使用することもできます。
library(data.table)
# input
x <- c("1100", "0010", "1001", "1111")
pattern <- "001|100|000"
# check for pattern
x %like% pattern
> [1] TRUE TRUE TRUE FALSE