特定の変数にテキスト文字列が含まれるdata.frameがあります。個々の文字列内の特定の文字の出現回数をカウントしたいです。
例:
q.data<-data.frame(number=1:3, string=c("greatgreat", "magic", "not"))
文字列に "a"の出現回数(つまりc(2,1,0))を含むq.dataの新しい列を作成したい。
私が管理している唯一の複雑なアプローチは次のとおりです。
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$string, pattern="a")
number string number.of.a
1 1 greatgreat 2
2 2 magic 1
3 3 not 0
Stringrパッケージは、あなたが興味のあることをするように見えるstr_count
関数を提供します
# Load your example data
q.data<-data.frame(number=1:3, string=c("greatgreat", "magic", "not"), stringsAsFactors = F)
library(stringr)
# Count the number of 'a's in each element of string
q.data$number.of.a <- str_count(q.data$string, "a")
q.data
# number string number.of.a
#1 1 greatgreat 2
#2 2 magic 1
#3 3 not 0
ベースRを離れたくない場合は、かなり簡潔で表現力豊かな可能性があります。
x <- q.data$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
Ncharに渡す前に、因子変数を文字に強制していることに注意してください。正規表現関数は内部的にそれを行うように見えます。
ベンチマーク結果は次のとおりです(テストのサイズを3000行に拡大)
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$string )), length)}, replications=100)
#-----------------------
test replications elapsed relative user.self sys.self user.child sys.child
1 Dason 100 4.173 9.959427 2.985 1.204 0 0
3 DWin 100 0.419 1.000000 0.417 0.003 0 0
4 Josh 100 18.635 44.474940 17.883 0.827 0 0
2 Tim 100 3.705 8.842482 3.646 0.072 0 0
sum(charToRaw("abc.d.aa") == charToRaw('.'))
良いオプションです。
stringi
パッケージは、stri_count
およびstri_count_fixed
関数を提供します。これらは非常に高速です。
stringi::stri_count(q.data$string, fixed = "a")
# [1] 2 1 0
ベンチマーク
@ 42-'s answer の最速のアプローチと、30.000要素のベクトルの stringr
パッケージの同等の関数 との比較。
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)
data
q.data <- data.frame(number=1:3, string=c("greatgreat", "magic", "not"), stringsAsFactors = FALSE)
test.data <- q.data[rep(1:NROW(q.data), 10000),]
誰かがもっとうまくできると確信していますが、これはうまくいきます:
sapply(as.character(q.data$string), function(x, letter = "a"){
sum(unlist(strsplit(x, split = "")) == letter)
})
greatgreat magic not
2 1 0
または関数内:
countLetter <- function(charvec, letter){
sapply(charvec, function(x, letter){
sum(unlist(strsplit(x, split = "")) == letter)
}, letter = letter)
}
countLetter(as.character(q.data$string),"a")
あなただけの文字列の分割を使用することができます
require(roperators)
my_strings <- c('Apple', banana', 'pear', 'melon')
my_strings %s/% 'a'
これにより、1、3、1、0が得られます。正規表現と単語全体で文字列分割を使用することもできます。
私見は最も簡単でクリーンな方法です:
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`
アマルジートと同じようにキャラクターを数えます。しかし、私はそれを1行で行うことを好みます。
HowManySpaces<-nchar(DF$string)-nchar(gsub(" ","",DF$string)) # count spaces in DF$string
以下の質問はここに移動されましたが、このページはファラエルの質問に直接答えていないようです。 Rの101の番号1を見つける方法
念のため、ここに答えを書きます。
library(magrittr)
n %>% # n is a number you'd like to inspect
as.character() %>%
str_count(pattern = "1")
https://stackoverflow.com/a/12430764/589165 のバリエーションは
> nchar(gsub("[^a]", "", q.data$string))
[1] 2 1 0
s <- "aababacababaaathhhhhslsls jsjsjjsaa ghhaalll"
p <- "a"
s2 <- gsub(p,"",s)
numOcc <- nchar(s) - nchar(s2)
効率的なものではないかもしれませんが、私の目的を解決します。