web-dev-qa-db-ja.com

文字列の列の各行で特定の文字の出現回数を計算する方法は?

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
88

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
118
Dason

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$string
lengths(regmatches(x, gregexpr("a", x)))
# [1] 2 1 0
54
Josh O'Brien
nchar(as.character(q.data$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
14
42-
sum(charToRaw("abc.d.aa") == charToRaw('.'))

良いオプションです。

7
Zhang Tao

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),]

enter image description here

2
markus

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")
2
tim riffe

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。

1
Benbob

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`
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
0
cineS.

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/users/8931457/farah-el

0
Yoshiaki

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
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。

0
Amarjeet